Deteksi Emosi dari Ekspresi Wajah dengan Deep Learning
Keywords:
Convolutional Neural Network (CNN), Emosi, Deep Learning, Pengenalan ekspresi wajahAbstract
Wajah adalah salah satu bagian penting dalam interaksi sosial manusia karena dapat mengekspresikan emosi dan niat seseorang. Penelitian ini mengarah pada pengenalan ekspresi wajah menggunakan Convolutional Neural Network (CNN) untuk memprediksi emosi seseorang secara real-time. Ekspresi wajah telah diklasifikasikan menjadi tujuh kategori berdasarkan penelitian oleh Ekman, termasuk senang, sedih, jijik, marah, terkejut, dan biasa saja. Model CNN yang dikembangkan menggunakan dataset gambar yang sudah dilabelkan untuk melakukan pembelajaran fitur dan klasifikasi ekspresi wajah. Selain itu, model ini diintegrasikan ke dalam sebuah sistem berbasis website video real-time untuk meningkatkan interaksi manusia-mesin. Penelitian ini memiliki potensi aplikasi yang luas dalam teknologi pengenalan wajah, pemahaman emosi, dan interaksi manusia dengan sistem komputer.
Downloads
References
Adiatma, B. C. L., Utami, E., & Hartanto, A. D. (2021). Pengenalan Ekspresi Wajah Menggunakan Deep Convolutional Neural Network. Explore, 11(2), 75. https://doi.org/10.35200/explore.v11i2.478
Amaanullah, R. R., Pascifa, G. R., Nugraha, S. A., Zein, M. R., & Adhinata, F. D. (2022). Implementasi CNN untuk deteksi emosi melalui wajah.pdf (pp. 236–244).
Azhari, I. (2021). Implementasi Algoritma Convolutional Neural Network Dalam Deteksi Emosi Manusia Berdasarkan Ekspresi Wajah. eProsiding Teknik Informatika (PROTEKTIF), 1(1), 112–118.
Convoluted Truth of CNN (Convolutional Neural Networks ) | by ... (n.d.). www.google.com. Retrieved May 22, 2024, from https://www.google.com/imgres?imgurl=https://miro.medium.com/v2/resize:fit:1400/1*SOfL1FpV3UC6CT-vjJ1CDQ.png&tbnid=TxYSZO1n0u5i-M&vet=1&imgrefurl=https://blog.stackademic.com/convoluted-truth-of-cnn-convolutional-neural-networks-843a72eac0e0&docid=_KW1UJBu1pMPCM&w=850&h=433&hl=id-ID&source=sh/x/im/can/1&kgs=0dc30a9ba6a69ece&shem=abme,ssic,trie,xga1pt1&sfr=vfe
Dewi, N., & Ismawan, F. (2021). Implementasi Deep Learning Menggunakan Cnn Untuk Sistem Pengenalan Wajah. Faktor Exacta, 14(1), 34. https://doi.org/10.30998/faktorexacta.v14i1.8989
Hartanto, H. (2019). Waktu Reaksi Dan Akurasi Dalam Pengenalan Ekspresi Wajah: Sebuah Eksperimen Psikofisik. Jurnal Psikologi, 17(2), 131. https://doi.org/10.14710/jp.17.2.131-142
Huang, Y., Chen, F., Lv, S., & Wang, X. (2019). Facial expression recognition: A survey. Symmetry, 11(10). https://doi.org/10.3390/sym11101189
Illustration-of-Max-Pooling-and-Average-Pooling-Figure-2-above-shows-an-example-of-max.png (517×451). (n.d.). Retrieved May 22, 2024, from https://www.researchgate.net/publication/333593451/figure/fig2/AS:765890261966848@1559613876098/Illustration-of-Max-Pooling-and-Average-Pooling-Figure-2-above-shows-an-example-of-max.png
Rere, L. M. R., Usna, S., & Soegijanto, D. (2019). Studi Pengenalan Ekspresi Wajah Berbasis Convolutional Neural Network. Seminar Nasional Teknologi Informasi Dan Komunikasi STI&K (SeNTIK), 3.
Sigit Guntoro, A. L., Julianto, E., & Budiyanto, D. (2015). Pengenalan Ekspresi Wajah Menggunakan Convolutional Neural Network. Jurnal Informatika Atma Jogja, 3(2), 155–160.
Structure of the fully connected layer. | Download Scientific Diagram. (n.d.). www.google.com. Retrieved May 22, 2024, from https://www.google.com/imgres?imgurl=https://www.researchgate.net/publication/361204594/figure/fig2/AS:1165227387293696@1654823266284/Structure-of-the-fully-connected-layer.jpg&tbnid=hcxKfPEAfutAWM&vet=1&imgrefurl=https://www.researchgate.net/figure/Structure-of-the-fully-connected-layer_fig2_361204594&docid=3jOtG7yfRO-LWM&w=600&h=598&hl=id-ID&source=sh/x/im/can/1&kgs=653d0140065c1e2e&shem=abme,ssic,trie,xga1pt1&sfr=vfe
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Marwan Ramdhany Edy
![Creative Commons License](http://i.creativecommons.org/l/by-sa/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.