نظام الرسائل والاطاريح الجامعية/ المكتبة المركزية

صورة غلاف الرسالة/الاطروحة غير متوفرة
مشاهدة
لايوجد ملف
لايوجد ملف
العنوان باللغة العربية
منصة الرسائل والاطاريح: خوارزميات التعلم العميق للكشف عن الحالة المزاجية واقتراح الايات القرانية المناسبة - جامعة بابل
العنوان باللغة الانكليزية
Deep Learning Algorithms for Mood Detection and Appropriate Quranic Verses Suggestion
اسم الطالب باللغتين
انوار صالح مشعان بريسم - Anwar Salah Mishaan Prism
اسم المشرف باللغتين
أ. م. د. نشوان جاسم حسين--Nashwan Jassim Hussain
الخلاصة
يعد التعرف على تعبيرات الوجه ذا أهمية قصوى في فهم المشاعر الإنسانية وقد حظي باهتمام كبير في مجال رؤية الكمبيوتر والتعلم العميق. يعتبر اكتشاف تعابير الوجه في مقاطع الفيديو مهمة صعبة ومثيرة للاهتمام حيث أن الوجه هو وسيلة الاتصال الرئيسية والجزء الأكثر تواصلًا في الجسم لعرض المشاعر. تقدم الأطروحة الحالية بحثا مفصلا للكشف عن تعبيرات الوجه وتطبيقه على نظام قرآني مقترح يعتمد على العواطف. تهدف هذه الأطروحة إلى تطبيق أساليب التعلم العميق للتعرف على المشاعر التي تظهر في صور الوجه وتصنيفها بكفاءة. تستفيد هذه الأطروحة من قدرات الشبكات العصبية التلافيفية (CNN) (بعد واحد وبُعدين) والطبقات الموزعة زمنيًا من أجل التقاط التبعيات الزمنية بشكل فعال ضمن تسلسلات الفيديو في مجموعة بيانات CREMA-D. وقد خضع النظام لتدريب واختبار مكثف، مما أدى إلى مستوى عال من الدقة في تحديد ستة مشاعر أساسية: الغضب، والاشمئزاز، والخوف، والسعادة، والحياد، والحزن. تعمل هذه الأطروحة على تحسين مجالها من خلال تطوير بنية جديدة للتعرف على المشاعر المعتمدة على الفيديو. تشتمل المعالجة المسبقة واستخراج الميزات والتصنيف باستخدام نماذج D-CNN1 وD-CNN 2على الإطار المعماري. يصنف نموذج 1D-CNN الميزات بعد استخلاصها بواسطة الرسم البياني للتدرجات الموجهة (HOG)، بينما يتميز نموذج D-CNN 2 بالاستخراج والتصنيف في وقت واحد. تبلغ دقة نموذج (0.99) 1D-CNN مما يدل على أنه يحقق نتائج عالية. بالإضافة إلى ذلك، عملت شبكة CNN ثنائية الأبعاد بشكل رائع، حيث بلغت درجة دقتها (0.82). وتظهر هذه النتائج قدرة النظام على التعرف على تعابير الوجه واكتشاف الانفعالات، وتصميم أنظمة تعتمد على الانفعالات لاقتراح آية قرآنية.
الفئة
المجموعة الطبية
الاختصاص باللغة العربية
الاختصاص باللغة الانكليزية
السنة الدراسية
2023
لغة الرسالة/الاطروحة
اللغة العربية
الشهادة
ماجستير
رابط موقع (doi)
Open access
نعم