Tóm tắt Luận văn Thạc sĩ: Phân tích biểu cảm mặt người dùng mạng nơ-ron tích chập

Trong bối cảnh công nghệ đang phát triển mạnh mẽ, việc phân loại biểu cảm khuôn mặt đã trở thành một lĩnh vực nghiên cứu trọng yếu, đặc biệt trong các hệ thống tương tác người máy. Mặc dù con người có thể nhận diện cảm xúc một cách tự nhiên, đây vẫn là một bài toán phức tạp đối với máy móc do các thách thức như điều kiện ánh sáng thay đổi, môi trường đa dạng và góc quay khác nhau của khuôn mặt. Nghiên cứu này đặt ra mục tiêu giải quyết những khó khăn đó bằng cách đề xuất một phương pháp tiếp cận kết hợp giữa Mạng nơ ron tích chập (CNN) và các kỹ thuật tiền xử lý ảnh đặc trưng, nhằm đạt được độ chính xác cao và khả năng phản hồi thời gian thực, mở ra nhiều ứng dụng tiềm năng trong thực tiễn.

Các nhà nghiên cứu, sinh viên và kỹ sư trong lĩnh vực trí tuệ nhân tạo, học máy, thị giác máy tính và hệ thống thông tin, đặc biệt quan tâm đến nhận dạng cảm xúc và ứng dụng mạng nơ ron tích chập.

Luận văn này tập trung vào bài toán phức tạp là nhận biết cảm xúc từ nét mặt người dùng, một lĩnh vực then chốt trong thị giác máy tính và giao tiếp người-máy. Nghiên cứu đề xuất một hướng tiếp cận hiệu quả bằng cách kết hợp sức mạnh của Mạng nơ ron tích chập (Convolutional Neural Network - CNN) với một chuỗi các kỹ thuật tiền xử lý ảnh tiên tiến. Mục tiêu chính là giảm thiểu ảnh hưởng từ các yếu tố môi trường như ánh sáng và góc quay, cũng như giải quyết vấn đề dữ liệu học hạn chế. Phương pháp này bao gồm việc chuẩn hóa hình ảnh, tăng cường dữ liệu bằng các phép xoay, dịch chuyển và tỷ lệ, cùng các bước xử lý chuyên biệt như chỉnh sửa xoay và cắt ảnh khuôn mặt. Việc ứng dụng các kỹ thuật tiền xử lý giúp rút trích các thành phần đặc trưng hiệu quả hơn, từ đó nâng cao độ chính xác của mô hình CNN. Hệ thống được thiết kế không chỉ nhằm đạt hiệu suất cao mà còn đáp ứng yêu cầu về thời gian thực, với các thử nghiệm dự kiến trên các bộ dữ liệu chuẩn CK+ và JAFFE, cũng như ảnh chụp từ webcam để minh họa tính khả thi ứng dụng. Giá trị ứng dụng của nghiên cứu rất lớn, có thể triển khai trong việc đánh giá cảm xúc nhân viên hoặc phát triển các hệ thống tương tác thông minh, góp phần cải thiện hiệu quả công việc và trải nghiệm người dùng.