Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

A Comparative Study between CS-LBP/SVM and CS-LBP/PCA in Facial Expression Recognition

Tytuł:
A Comparative Study between CS-LBP/SVM and CS-LBP/PCA in Facial Expression Recognition
Autorzy:
Gaur, Sheena
Powiązania:
https://bibliotekanauki.pl/articles/1075570.pdf
Data publikacji:
2019
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Center symmetric local binary patterns (CS-LBP)
Facial Expression Analysis
Principal Component Analysis 9PCA)
Support Vector Machine (SVM)
Źródło:
World Scientific News; 2019, 121; 83-89
2392-2192
Język:
angielski
Prawa:
CC BY-NC: Creative Commons Uznanie autorstwa - Użycie niekomercyjne 4.0
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Face plays significant role in social communication. This is a 'window' to human personality, emotions and thoughts. Due to this, face is a subject of study in many areas of science such as psychology, behavioral science, medicine and computer science etc. In this paper, a comparative study is suggested between CS-LBP/SVM and CS-LBP/PCA. These algorithms are used in emotive facial expression recognition. Finally, a comparison is shown between PCA & SVM in terms of Dimension Reduction. The proposed system uses grayscale frontal face images of a Japanese female to classify six basic emotions namely happiness, sadness, disgust, fear, surprise and anger.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies