| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Intelektuālas robotizētas sistēmas |
| Nosaukums |
Stila pārnese sejas izteiksmēm un emocijām, izmantojot ģeneratīvos sacīkstes modeļus dziļajā mašīnapmācībā |
| Nosaukums angļu valodā |
Style Transfer of Facial Expressions and Emotions Using Generative Adversarial Networks in Deep Learning |
| Struktūrvienība |
12300 Lietišķo datorsistēmu institūts |
| Darba vadītājs |
Ēvalds Urtāns |
| Recenzents |
Valdis Saulespurēns |
| Anotācija |
Šajā bakalaura darbā tiek pētīts ģeneratīvo sacīkstes tīklu salīdzinājums seju emociju un izteiksmju stila pārneses uzdevumā. Specifiski tiek apskatīts Star-GAN un Cycle-GAN ģeneratīvie sacīkstes tīkli. Sejas emociju un izteiksmju stila pārnese tiecas uz sejas emocionālā stāvokļa pārnešanu starp diviem cilvēkiem, saglabājot sākotnējo cilvēka identitāti. Lai pārbaudītu emociju stila pārneses veiktspēju, tiek realizētas trīs metodes veicamajam uzdevumam. Pirmā metode veic seju emociju pārnesi izmantojot oriģinālo attēlu, kurā redzama cilveka seja. Atlikušās divas metodes veic sejas emocionālo īpašību izgūšanu no attēla, kā intereses reģionu, dotajam ģeneratīvajam sacīkstes modelim. Viena no tām apvieno visas sejas emocionālās īpašības kopā, bet otra veic atsevišķu sejas emocionālo īpašību izgūšanu. Visbeidzot, eksperimentālā gaitā tiek noteikts ģeneratīvais sacīkstes modelis ar labāko veiktspēju, balstoties uz kvantitatīviem un kvalitatīviem rezultātiem, un, attiecīgi, noteikta efektīvākā sejas emociju stila pārneses metodika. |
| Atslēgas vārdi |
Ģeneratīvie sacīkstes tīkli, Stila pārnese, Sejas emocijas, Dziļā mašīnapmācība |
| Atslēgas vārdi angļu valodā |
Generative adversarial networks, Style transfer, Face emotions, Deep Learning |
| Valoda |
lv |
| Gads |
2022 |
| Darba augšupielādes datums un laiks |
30.05.2022 22:52:00 |
