Đổi mới lớp học tích hợp thông minh: Kết hợp xác thực người dùng và đánh giá cảm xúc
DOI:
https://doi.org/10.61591/jslhu.18.506Từ khóa:
MTCNN, Facenet, Deep learning, User Authentication, Emotion recognition, Convolutional Neural NetworksTóm tắt
Giải pháp đổi mới lớp học tích hợp thông minh trong nghiên cứu sử dụng kỹ thuật MTCNN và FaceNet được ứng dụng để xây dựng hệ thống có khả năng xác thực thông tin người dùng dựa trên khuôn mặt. Hơn thế nữa, ứng dụng có thể thực hiện các tính năng như xác thực điểm danh, phát hiện người dùng trong một nhóm nhiều người, đánh giá cảm xúc người học. Chúng tôi đã so sánh đánh giá mô hình xác thực người dùng cùng một số mô hình như: MTCNN và FaceNet, VGG16 và OpenVino. Kết quả cho thấy, sự kết hợp giữa MTCNN và FaceNet đạt được độ chính xác tối ưu, có thể đến 96,4% cho bài toán xác thực định danh người dùng nhằm phục vụ chức năng điểm danh người học. Bên cạnh đó, để phục vụ chức năng đánh giá cảm xúc người học, nghiên cứu sử dụng mạng nơ ron tích chập (CNN) dựa trên bộ dữ liệu Fer 2013 và Fer Plus để đánh giá các trạng thái cảm xúc người học trong khi thi. Việc đổi mới hệ thống quản lý lớp học tích hợp thông minh dựa trên việc nhận dạng khuôn mặt sử dụng MTCNN và Face Net cùng với tính năng đánh giá cảm xúc người học trong trường đại học có thể nâng cao hiệu quả giảng dạy, tăng chất lượng đào tạo và theo dõi trạng thái của sinh viên trong quá trình thi.
Tài liệu tham khảo
Kaipeng zhang và cộng sự, Joint Face Detection and Alignment Using Multitask Cascaded Convolutional Networks, 2016.
XianBen Yang và Wei Zhang, Heterogeneous face detection based on multi-task cascaded convolutional neural network, IET Image Processing, 2021.
Pilli Bhavya Sri cùng đồng tác giả, Harnessing Security Improvements Using FaceNet Approach for Face Recognition System, IEEE, 2024.
Siyu Jia, Ying Tian, Face detection based on improved multi-task cascaded convolutional neural networks, IAENG international journal of computer science, 2024.
Ian j. goodfellow và Đồng tác giả, "Challenges in Representation Learning: A report on three machine learning contests", 2013.
Brijesh Bakariya và đồng sự, Facial emotion recognition and music recommendation system using CNN-based deep learning techniques, Evolving Systems 15, Volume 15, pages 641–658, 2024.
Emad barsoum và đồng tác giả, "Training Deep Networks for Facial Expression Recognition with Crowd-Sourced Label Distribution", 2016.
Abbas Khalifa Nawar, Hadi Raheem Ali, Mothefer Majeed Jahefer, Sabah Abdulazeez Jebur, "Automate facial paralysis detection using vgg architectures", ijciar.v7i1.158, Volume 7, Issue 1, 2024.
Alexander demidovskij và đồng tác giả, "openvino Deep Learning Workbench: Towards Analytical Platform for Neural Networks Inference Optimization", Journal of Physics: Conference Series, 2021.
Jiawei Huang và Ding Zhou, A scalable real-time computer vision system for student posture detection in smart classrooms, SpringerLink, Volume 29, pages 917–937, 2024.
Siyao Qi và đồng tác giả, "Face Recognition Model Based On MTCNN And Facenet”, IEEE, 2022.
R E Saragih, Q H To, A Survey of Face Recognition Based on Convolutional Neural Network, ndonesian Journal of Information Systems (IJIS) Vol. 4, No. 2, February 2022.
Rahmeh Abou Zafra, Lana Ahmad Abdullah, Rouaa Alaraj, Rasha Albezreh, Tarek Barhoum, Khloud Al Jallad, An experimental study in Real-time Facial Emotion Recognition on new 3RL dataset, Computer Vision and Pattern Recognition, 2023.
Tony Gwyn, Kaushik Roy, Mustafa Atay, "Face Recognition Using Popular Deep Net Architectures: A Brief Comparative Study", 2021.
