Ứng dụng nhận dạng biểu cảm khuôn mặt dựa trên mạng nơron nhân tạo để hỗ trợ người khiếm thị trong giao tiếp

Bộ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỞ HÀ NỘI TRẦN VĂN NAM ÚNG DỤNG NHẶN DẠNG BIÉU CẢM KHUÔN MẬT DƯ A TRÊN MẠNG NORON NHÂN TẠO ĐẾ HỎ TRỢ NGƯỜI KHIẾM THỊ TRONG GIAO TIẾP CHUYÊN NGÀNH: CÔNG NGHỆ THÔNG TIN LUẬN VÀN TỐT NGHIỆP THẠC sĩ HÀ NỘI - 2023 Bộ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỞ HÀ NỘI TRẦN VĂN NAM ỦNG DỤNG NHẬN DẠNG BIẾU CẢM KHUÔN MẶT DỤ A TRÊN MẠNG NƠRON NHÂN TẠO ĐẾ HỎ TRỢ NGƯỜI KHIẾM THỊ TRONG GIAO TIẾP Chuyên ngành: Công nghệ Thông tin Mã đề tài: 1527 Giảng viên dẫn: TS Dưong Thăng Long LUẬN VĂN TÓT NGHIỆP THẠC sĩ Hà Nội - 2023 LỜI CẢM ƠN Đe tài “ứng dụng nhận dạng biếu cảm khuôn mặt dựa mạng nơron nhân tạo đê hồ trợ người khiếm thị giao tiếp” nội dung mà nghiên cứu làm luận văn tốt nghiệp sau thời gian theo học Khoa Công nghệ thông tin, Trường Đại học Mớ Hà Nội Trong trinh nghiên cứu hoàn thiện luận văn, nhận nhiều quan tâm, giúp đỡ từ Quý thầy cô, anh chị đồng nghiệp, gia đình bạn bè Đe luận văn thành cơng nhất, em xin gửi lời cảm on chân thành đến với: Khoa Công nghệ thông tin, Trường Đại học Mớ Hà Nội tạo môi trường học tập rèn luyện tốt, cung cấp cho em kiến thức kỹ bổ ích giúp tơi có the áp dụng thuận lợi thực luận văn Tôi đặc biệt gửi lời cảm ơn đến Tiến sĩ Dương Thăng Long định hướng chuyên môn, tận tâm hướng dẫn, giúp đỡ tơi suốt q trình nghiên cứu thực đề tài Mặc dù có nhiều cố gắng cơng trinh nghiên cứu cịn nhiều thiếu sót mong nhận góp ý, chi dần thầy cô, nhà chuyên môn đế tiếp tục nghiên cứu hồn thiện Cuối cùng, tơi xin cảm ơn gia đình, bạn bè, đồng nghiệp ln động viên tạo điều kiện tốt đe nồ lực hồn thành tốt nghiên cứu Xin chân thành câm ơn! Hà Nội, ngày tháng Trần Văn Nam năm 2023 LỊĨ CAM ĐOAN Tơi xin cam đoan ràng, kết nghiên cứu cùa có giúp đỡ rat lớn cúa thầy hướng dẫn bạn bè Các nội dung nghiên cứu kết đe tài hoàn toàn trung thực Trong luận văn, tơi có tham kháo đến số tài liệu cúa số tác giả liệt kê phần tài liệu tham khảo cuối luận văn Học viên Trần Văn Nam MỤC LỤC LỜI CAM ĐOAN DANH MỤC HÌNH VẼ DANH MỤC CÁC CHỬ VIẾT TẨT MỚ ĐẦU 10 Tính cấp thiết cùa đề tài 10 Mục tiêu nghiên cứu 11 Đối tượng phạm vi nghiên cứu .11 Phương pháp nghiên cứu 12 Nội dung nghiên cứu 12 CHƯƠNG I GIỚI THIỆU VỀ NHẬN DẠNG KHUÔN MẶT, BIẾU CẢM TRÊN KHUÔN MẬT VÀ MẠNG NƠRON TÍCH CHẬP 13 1.1 Tống quan hệ thống nhận dạng khuôn mặt biếu cảm khuôn mặt 13 1.1.1 Khuôn mặt hệ thống nhận dạng khuôn mặt 13 1.1.2 Biểu càm khn mặt gì? 13 1.1.3 Vai trò cùa nhận dạng cảm xúc việc giao tiếp xã hội? 14 1.2 Một số phương pháp nhận dạng biếu cảm khuôn mật 15 1.2.1 Phương pháp truyền thống 16 1.2.2 Phương pháp đại 17 1.3 Mạng Nơron nhân tạo 18 1.3.1 Các đặc trưng bàn mạng nơron 18 Các đặc trưng bàn mạng nơron như: 18 1.3.2 Các thành phần cùa mạng nơron 19 1.3.3 Các hình trạng cúa mạng nơron nhân tạo 20 1.3.4 Huấn luyện mạng nơron nhân tạo 21 1.3.5 Các ứng dụng cúa mạng Nơron nhân tạo 23 1.4 Mạng Nơron tích chập 24 1.4.1 Mạng nơron tích chập gì? 24 1.4.2 Lớp tích chập - Convolution Layer 26 1.4.3 Cấu trúc mạng nơron tích chập 29 1.4.4 Cách chọn tham số cho mạng Nơron tích chập CNN 34 1.5 Kết luận chương I - Giới thiệu nhận dạng khuôn mặt, biểu cảm khn mặt mạng nơron tích chập 34 CHƯƠNG II THIẾT KẾ MƠ HÌNH NHẬN DẠNG BIẾU CAM KHN MẶT DựA TRÊN KIẾN TRÚC MẠNG RESNET 36 2.1 Kiến trúc mạng nơron tích chập dạng Resnet 36 2.1.1 Giới thiệu mạng nơron tích chập Resnet 36 2.1.2 Kiến trúc mạng ResNet 37 2.2 Thiết kế mơ hình mạng cho nhận dạng biểu cảm khn mặt sử dụng mơ hình mạng Resnet50 43 2.3 Hệ thống nhận dạng biêu cảm hồ trợ giao tiểp người khiếm thị 47 2.3.1 Tiền xử lý ánh đầu vào 47 2.3.2 Mơ hình nhận dạng biếu cám sử dụng mạng Nơron tích chập CNN 53 2.3.3 Thông báo kết 53 2.4 Kết luận chương II - Thiết kế mơ hình nhận dạng biếu cảm khn mặt dựa mạng nơron tích chập 54 CHUƠNG III XÂY DỰNG PHÀN MÈM THỪ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 56 3.1 Đặt vấn đề 56 3.2 Yêu cầu chung cùa hệ thống 56 3.2.1 Mơi trường cài đặt lập trình ứng dụng 57 3.2.2 Ngôn ngữ xây dựng ứng dụng 57 3.2.3 Mơ hình liệu 59 3.3 Xây dựng chương trinh ứng dụng 59 3.3.1 Cài đặt môi trường 59 3.3.2 Cẩu trúc chương trình 62 3.3.3 Kiểm thử chương trình 64 3.4 Thứ nghiệm chương trình máy tính mini 70 3.5 Đánh giá kết 70 3.6 Kết luận chương III - Xây dựng phần mềm thứ nghiệm đánh giá kết 77 KẾT LUẬN VÀ HƯỚNG PHÁT TRIẾN CỦA ĐỀ TÀI 78 TÀI LIỆU THAM KHÁO 80 DANH MỤC HÌNH VẼ STT Tên hình vẽ Trang Hình 1.1 Ví dụ cảm xúc cùa người 15 Hình 1.2 Hệ thống nhận dạng biếu cảm khuôn mặt 17 phương pháp truyền thống Hình 1.3 Hệ thống nhận dạng biểu cảm khuôn mặt 18 phương pháp học sâu đại [6] Hình 1.4 Đơn vị xừ lý mạng Nơron 20 Hình 1.5 Mạng nơron truyền thẳng nhiều lớp 22 Hình 1.6 Mạng nơron hồi quy 22 Hình 1.7 Mơ hình học có giám sát 23 Hình 1.8 Hình ảnh mảng ma trận RGB 6x6x3 26 Hình 1.9 Luồng xử CNN xứ lý hình ảnh đầu vào phân loại đối tượng 26 10 Hình 1.10 Ma trận hình ánh 27 11 Hình 1.11 ma trận 5x5 lọc 3x3 27 12 Hình 1.12 lớp tích chập ma trận hình ảnh 5x5 nhân với ma trận lọc X 28 13 Hình 1.13 Ket hợp cúa lọc khác kết quă khác 29 14 Hình 1.14 Cấu trúc cùa mạng nơron tích chập 30 15 Hình 1.15 Tiếp nhận cục 32 16 Hình 1.16 Tạo nơron ấn 32 17 Hình 1.17 Tạo nơron ấn thứ 33 18 Hình 1.18 Chọn max-pooling 2x2 34 19 Hình 1.19 Lớp kết nối đầy đủ 35 20 Hình 2.1 So sánh độ xác 37 21 Hình 2.2 Mơ tã q trình suy biến đào hàm huấn luyện 38 22 Hình 2.3 ResNet sử dụng kết nối tắt xuyên qua hay nhiều 39 lớp 23 Hình 2.4 Kiến trúc Resnet 34 lớp lấy căm hứng từ VGG-19 41 24 Hình 2.5 Mơ hình mạng Rcsnct50 42 25 Hình 2.6 Kết nối lối tắt thẳng 42 26 Hình 2.7 Ket nối lối tắt có thêm lớp tích chập đế làm cho kích thước đầu vào với kích thước đầu 43 27 Hình 2.8 Sơ đồ quy trinh mơ hình nhận dạng biếu cảm khuôn mặt 44 45 28 Hình 2.9 Kiến trúc CNN đề xuất dùng cho việc phát cám xúc khn mặt 46 47 29 Hình 2.10 Trích chọn đặc trưng cùa kỹ thuật Haar-cascade 49 30 Hình 2.11 Mơ tả phát cạnh kỹ thuật Haar-cascade 49 31 Hình 2.11 Mơ tả phát cạnh cùa kỹ thuật Haar-cascadc 49 32 Hình 2.12 cơng thức tính Integral Image 51 33 Hình 2.13 Cơng thức tính tơng giá trị mức xám vùng 51 34 Hình 2.14 Mơ hình phân tầng (cascade) 52 35 Hình 2.15 Sơ đồ nhận diện khn mặt 53 36 Hình 2.16 Thơng báo trạng thái đến người dùng 55 37 Hình 3.1 Kiềm tra cài đặt ngôn ngữ python 61 38 Hình 3.2 Cài đặt thư viện dlib 61 39 Hình 3.3 Cài đặt thư viện OpenCV 62 40 Hình 3.4 Cài đặt Keras 62 41 Hình 3.5 Cài đặt Tensorflow 63 42 Hình 3.6 Cấu trúc thư mục chương trình 63 43 Hình 3.7 Ket q huấn luyện mơ hình 64 44 Hình 3.8 Biểu đồ Trainning and validatation 66 accuracy 45 Hình 3.9 Biếu đồ Trainning and validatation loss 66 46 Hình 3.10 Ma trận nhầm lẫn 68 47 Hình 3.11 Ket trạng thái hạnh phúc 68 48 Hình 3.12 Ket trạng thái trung lập 69 49 Hình 3.13 Kết trạng thái bất ngờ 69 50 Hình 3.14 Kct trạng thái sợ hãi 70 51 Hình 3.15 kết trạng thái buồn 70 52 Hình 3.16 Kết trạng thái tức giận 71 53 Hình 3.17 Cấu trúc thiết bị máy tính mini chạy ứng dụng 72 54 Hình 3.18 Tệp ảnh biểu diễn biếu cám khác 15 người 73 55 Hình 3.19 Danh sách 10 người tham gia đánh giá biếu cám 74 DANH MỤC CÁC CHỮ VIẾT TẮT STT Tên Viết Tắt Dịch tiếng việt Tên Đầy Đù Artificial Neural Mạng nơron nhân tạo ANN Network Convolutional neural CNN,CNNs DAE DBN GAN ICML 2013 Mạng nơron tích chập networks Data Envelopment Phân tích đường bao Analysis liệu Deep belief network Mạng niềm tin sâu Global Area Network Mạng toàn cầu The 30th International Hội nghị quốc tế lan thứ Conference on 30 học máy Machine Learning ILSVRC ImagcNct Large Scale Thứ thách nhận diện trực Visual Recognition quan quy mô lớn Challenge ImagcNct Thuật toán binh phương LMS Least Means Square MLP MultiLaycr Perceptron trung bình thấp Mạng nơron truyền thẳng 10 PCA nhiều lớp Principal Component Phép phân tích thành Analysis phần 67 B Emotion Detection Hình 3.13 Ket trạng thái bất ngờ — '■ ’ Emotion Detection Hình 3.14 Ket trạng thái sợ hãi 68 □ X Hình 3.15 kết trạng thái buồn Hình 3.16 Kết trạng thái tức giận 69 3.4 Thử nghiệm chương trình máy tính mini Thiết bị : - Máy tính Mini PC intel Nuc I3Gen7 chạy hệ điều hành windows 10 - Webcam dùng để phát khuôn mặt - Tai nghe jack3.5 dùng đê nhận thơng báo từ hệ thống Hình 3.17 Cấu trúc thiết bị máy tính mini chạy ứng dụng 3.5 Đánh giá kết Kịch đánh giá: - Bước 1: Thu thập 100 ănh khuôn mặt 15 người khác nhau, mầu ảnh ánh chân dung đối tượng lấy mẫu biểu đạt trạng thái biếu cảm Các mầu ánh thu thập điều kiện binh thường khơng phái phịng thí nghiệm, mẫu thu thập đa dạng thời gian, ánh sáng Thiết bị lấy mẫu camera trước nhiều loại điện thoại khác ành thu ánh màu với kích thước khác - Bước 2: Xây dựng danh sách 10 người làm việc lĩnh vực độ tuồi khác 70 - Bước 3: Đánh giá kết quà 10 người 100 ảnh khuôn mặt thu thập bước - Bước 4: So sánh kết cùa hệ thống kết cùa 10 người bước Hình 3.18 Tệp ảnh biểu diễn biểu cảm khác 15 người 71 STT Họ tên Tuổi Nghề nghiệp Đàm Văn Long 36 Thợ cắt tóc Nguyễn Duy Khánh 35 Chăm sóc khách hàng Lê Thuý Hằng 34 Bác Lê Thị Hải 63 Giáo viên hưu trí Chu Anh Đức 37 Tài ngân hàng Đổ Khắc Ọuàn 42 Doanh nghiệp Lê Ngọc Thuyết 64 Vận hành quàn trị nhà Lê Anh Dương 32 Doanh nghiệp Lê Minh Thải 36 Kỹ sư CNTT 10 Lê Vương Ọuỷ 39 Kỹ sư Thiết bị y tế Hình 3.19 Danh sách 10 người tham gia đánh giá biểu cảm Đánh giá kết khảo sát so sánh vói sản phẩm phát biểu căm: Lần lượt đưa ánh thu thập vào phần mềm ta có kết dựa đoán phần mềm tý lệ % dự đoán Lấy kết dự đoán cao nhóm khảo sát so sánh với kết cùa phần mềm, kết sau: Ảnh Kết khảo sát Kết hệ thống Trung lập 6/10 Trung lập (86.6%) Hạnh Phúc 10/10 Hạnh Phúc (100%) Hạnh Phúc 10/10 Hạnh Phúc (100%) 72 Bất Ngờ 10/10 Bất ngờ (100%) Trung lập 7/10 Trung lập (100%) Trung lập 8/10 Trung lập (100%) Trung lập 7/10 Trung lập (100%) Trung lập 8/10 Trung lập (99.9%) Trung lập 9/10 Trung lập (100%) 10 Hạnh Phúc 5/10 Hạnh Phúc (66.7%) 11 Giận giữ 6/10 Giận giữ (83.4%) 12 Sợ hãi 8/10 Sợ hãi (60.6%) 13 Hạnh phúc 9/10 Hạnh Phúc 100 (%) 14 Sợ hãi 6/10 Sợ hãi (79.0%) 15 Hạnh Phúc 10/10 Hạnh Phúc (100%) 16 Hạnh Phúc 10/10 Hạnh Phúc (100%) 17 Sợ hãi 6/10 Sợ hãi (97.6%) 18 Giận giừ 6/10 Giận giữ (68.9%) 19 Trung lập 9/10 Trung lập (100%) 20 Trung lập 8/10 Trung lập (72.7%) 21 Hạnh Phúc 10/10 Hạnh Phúc (100%) 22 Bất Ngờ 10/10 Bất ngờ (100%) 23 Giận giữ 9/10 Giận giữ (100%) 24 Ghê tớm7/10 Sợ hãi (100%) 73 25 Trung lập 10/10 Trung lập (84.3%) 26 Giận giữ 8/10 Giận giữ (82.4%) 27 Hạnh Phúc 10/10 Hạnh Phúc (100%) 28 Buồn 10/10 Buồn (100%) 29 Hạnh Phúc 10/10 Hạnh Phúc (100%) 30 Bất Ngờ 8/10 Bất ngờ (93.7%) 31 Sợ hãi 8/10 Sợ hãi (99.9%) 32 Buồn 10/10 Buồn (99.1%) 33 Hạnh Phúc 6/10 Hạnh Phúc (100%) 34 Buồn 8/10 Buồn (99.6%) 35 Trung lập 9/10 Trung lập (100%) 36 Trung lập 9/10 Trung lập (99.8%) 37 Giận giữ 7/10 Giận giữ (85.9%) 38 Giận giữ 8/10 Giận giữ (100%) 39 Hạnh Phúc 10/10 Hạnh Phúc (98.1%) 40 Hạnh Phúc 10/10 Hạnh Phúc (100%) 41 Hạnh Phúc 7/10 Hạnh Phúc (83%) 42 Trung lập 8/10 Trung lập (94.6%) 43 Hạnh Phúc 10/10 Hạnh Phúc (100%) 44 Buồn 7/10 Buồn (100%) 45 Hạnh Phúc 6/10 Hạnh Phúc (100%) 74 46 Trung lập 10/10 Trung lập (100%) 47 Hạnh Phúc 10/10 Hạnh Phúc (100%) 48 Tning lập 10/10 Trung lập (100%) 49 Bất Ngờ 10/10 Bất ngờ (54.9%) 50 Trung lập 8/10 Trung lập (89.9%) 51 Trung lập 8/10 Trung lập (98.9%) 52 Hạnh Phúc 10/10 Hạnh Phúc (99.9%) 53 Hạnh Phúc 10/10 Hạnh Phúc (100%) 54 Hạnh Phúc 10/10 Hạnh Phúc (100%) 55 Buồn 7/10 Buồn (96.8%) 56 Trung lập 10/10 Trung lập (100%) 57 Trung lập 10/10 Trung lập (100%) 58 Trung lập 8/10 Trung lập (100%) 59 Hạnh Phúc 9/10 Trung lập (100%) 60 Trung lập 10/10 Trung lập (100%) 61 Buồn 6/10 Hạnh Phúc (92.9%) 62 Hạnh Phúc 10/10 Hạnh Phúc (100%) 63 Hạnh Phúc 10/10 Hạnh Phúc (100%) 64 Trung lập 7/10 Trung lập (92.4%) 65 Sợ hãi 8/10 Sợ hãi (69.8%) 66 Hạnh Phúc 10/10 Hạnh Phúc (100%) 75 67 Trung lập 8/10 Trung lập (100%) 68 Hạnh Phúc 8/10 Hạnh Phúc (100%) 69 Tning lập 9/10 Trung lập (100%) 70 Trung lập 10/10 Trung lập 94.2%) 71 Trung lập 8/10 Trung lập (100%) 72 Ghê tởm7/10 Trung lập (100%) 73 Trung lập 10/10 Trung lập (100%) 74 Trung lập 7/10 Trung lập (100%) 75 Trung lập 7/10 Trung lập (99.2%) 76 Giận giừ 8/10 Giận giữ (99.2%) 77 Giận giữ 7/10 Giận giữ (100%) 78 Hạnh Phúc 10/10 Hạnh Phúc (100%) 79 Trung lập 8/10 Trung lập (78.4%) 80 Sợ hãi 7/10 Sợ hãi (95.8%) 81 Bất ngờ 8/10 Hạnh Phúc (49.4%) 82 Hạnh Phúc 10/10 Hạnh Phúc (100%) 83 Trung lập 7/10 Trung lập (98.9%) 84 Trung lập 10/10 Trung lập (94.5%) 85 Trung lập 6/10 Trung lập (100%) 86 Trung lập 6/10 Trung lập (94.3%) 87 Hạnh Phúc 8/10 Hạnh Phúc (100%) 76 88 Trung lập 8/10 Trung lập (100%) 89 Trung lập 10/10 Trung lập (99.6%) 90 Buồn 10/10 Trung lập (96%) 91 Hạnh Phúc 10/10 Hạnh Phúc (100%) 92 Hạnh Phúc 9/10 Hạnh Phúc (99.9%) 93 Hạnh Phúc 9/10 Hạnh Phúc (100%) 94 Trung lập 8/10 Trung lập (100%) 95 Hạnh Phúc 10/10 Hạnh Phúc (100%) 96 Trung lập 10/10 Trung lập (99.6%) 97 Trung lập 8/10 Trung lập (94.6%) 98 Trung lập 8/10 Trung lập (84.6%) 99 Hạnh Phúc 10/10 Hạnh Phúc (100%) 100 Trung lập 7/10 Trung lập (92.6%) Dựa vào kết so sánh phần mềm nhóm khảo sát tỷ lệ sai lệch kết của phan mềm nhóm khào sát cho thấy 6/100 ảnh khơng dự đốn xác Vậy kết luận phạm vi trên, phần mềm hoạt động đạt kết quà xác 94% 3.6 Kết luận chương III - Xây dựng phần mềm thử nghiệm đánh giá kết Xuất phát từ tính cấp thiết cùa việc hồ trợ phận người yếu xã hội giúp họ tự tin giao tiếp Chương cùa luận vãn 77 trình bày cách thức xây dựng chương trình mơ phỏng, ứng dụng chạy thử thiết bị Từ việc chuẩn bị, xây dựng mơ hình, huấn luyện mơ hình nhằm đạt u cầu đặt toán Ket kiểm chứng cho thấy phương pháp kết hợp cho hiệu tốt Cụ the việc nhận dạng khuôn mặt người đối diện, dựa vào mơ hình huấn luyện đưa thông báo trạng thái khuôn mặt người đối diện KẾT LUẬN VÀ HƯỚNG PHÁT TRIẾN CỦA ĐỀ TÀI Trong luận văn này, đề xuất mơ hình dựa mạng nơron tích chập Resnet để nhận dạng biểu câm khuôn mặt người Mơ hình có 16 lớp nơron tích chập (CƠNV) tổng số tham số khoảng 23 triệu Trong đó, mơ hình dựa kiến trúc VGG gồm 13 lớp CONV lớp FC, số lượng khoảng 138 triệu tham số, gấp lần Như vậy, khẳng định mơ hình chủng cỏ độ phức tạp mức vừa phải, phù hợp với hệ thống tính tốn mức trung bình đem lại tiềm khả thi ứng dụng thực tiễn Mặc dù độ phức tạp mô hình mức thấp so với mơ hình khác, kết quà thừ nghiệm cho thấy tính hiệu phân lóp cao Hiện điều kiện tính tốn nên chúng tơi chi áp dụng số lần huấn luyện thấp, huấn luyện mức độ sâu thi kỳ vọng đem lại kết quă cao Trong thời gian tới tiếp tục nghiên cứu hướng phát triền mở rộng theo hướng sau, kỳ vọng đạt hệ thống hoàn hỗ trợ cho người khiếm thị Phần mềm: Mơ hình huấn luyện end-to-end với batch size = 64, epochs = 150 Đê tăng tính tin cậy tinh chinh lại mơ hình huấn luyện 78 với tham số khác kỳ vọng thu kết huấn luyện tốt cúa mô hình Thiết bị: Thiết bị cần cải tiến cho nhỏ gọn dề sứ dụng như: - Sứ dụng Camera nhỏ gọn gắn vào mũ kính để thuận tiện cho sử dụng - Xây dựng module pin đú dung lượng hoạt động 8-12h - Thiết kế dây đeo thiết bị cổ đco hông để thuận tiện sứ dụng 79 TÀI LIỆU THAM KHẢO [1] Ekman p (1992a) An argument for basic emotions? Cognition and Emotion, 6, Trl69-Tr200 [2] Ekman, p (1992b) Are There Basic Emotions? Psychological Review, 99, Tr550-Tr553 [3] Albert Mehrabian Silent Messages 1971, Tr40-Tr56 [4] “Emotion I Definition of emotion in English by Oxford Dictionaries” [5] Schactcr, D.L., Gilbert D.T., Wegner, D.M., & Hood, B.M (2011) Psychology (European ed.) Basingstoke: Palgrave Macmillan [6] Mơ hình phát cám xúc khuôn mặt nhằm đánh giá mức độ "hài lòng" sinh viên Học viện Ngân hàng tham gia học trực tuyến (ThS Triệu Thu Hương, ThS Nguyễn Thị Yến - 2022), Tạp chí Ngân Hàng điện tử tapchinganhang.gov.vn, đăng ngày 17/06/2022 mục nghiên cứu - trao đoi [7] K He, X Zhang, s Ren, and J Sun Deep residual learning for image recognition In IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.770-778, June 27-30,2016 [8] I Goodfellow, D Erhan, PL Carrier, A Courville, M Mirza, B Hamner, w Cukierski, Y Tang, DH Lee, Y Zhou, CRamaiah, F Feng, R Li, X Wang, D Athanasakis, J Shawe-Taylor, M Milakov, J Park, R Ionescu, M Popescu, CGrozea, J Bergstra, J Xie, L Romaszko, B Xu, z Chuang, and Y Bengio (2013) "Challenges in RepresentationLeaming: A report on three machine learning contests." arXiv 2013 80 [9] Franẹois Chollet “Xception: Deep Learning with Depthwise Separable Convolutions” arXiv 2017 [ 10] “Guido van Rossum Stepping Down from Role as Python's Benevolent Dictator For Life I Linux Journal”, www.linuxjournal.com [11] “Stack Overflow Developer Survey 2020” Stack Overflow [12] Duong Thăng Long, Đỗ Thị Thu Hà, Tran Văn Nam: Mô hình mạng nơron tích chập nhẹ dựa kiến trác DenseNet cho nhận dạng biếu cảm khuôn mặt ứng dụng hồ trợ đánh giá trình học tập trực tuyến, Tạp chí Khoa học Trường Đại học Mờ Hà Nội, số 102, 2023 [13] Nguyễn Thị Nhung - Luận văn thạc sĩ: Phương pháp nhận dạng khuôn mặt dựa phương pháp học chuyển giao mạng nơron tích chập ứng dụng vào tốn diêm danh học sinh trường THPT Chuyên Vĩnh Phúc, Trường Đại học Mở Hà Nội, 2021 [14] Paul Viola, Michael Jones - Rapid Object Detection using a Boosted Cascade of Simple Features ACCEPTED CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION 2001 [15] Y Freund and R Schapire A decision-theoretic generalization of on­ line learning and an application to boosting Journal of Computer and System Sciences, 55 (1):119- 139, 1997 81