Mathesis Wiki

Diese Seite ist nicht editierbar. Sie können den Quelltext sehen, jedoch nicht verändern. Kontaktieren Sie den Administrator, wenn Sie glauben, dass hier ein Fehler vorliegt.

**__Tagesplan__**

1. Erkenntnisse für Spotipy sammeln

2. Application bei Spotify registrieren 

3. Emotions-Teil, Gesichtsdatenbank, Tensor flow

4. Quellen

5. Netzwerk Infos

---------------------------------------------------------------------------------------------
**__1. Erkenntnisse für Spotipy sammeln__**

- Zugangsschlüssel (token) wird gebraucht und registriert
---------------------------------------------------------------------------------------------

**__2. Application bei Spotify registrieren__**

- Application wurde bei Spotify registriert, APOLLON ist offiziel als Developer bei Spotify registriert

---------------------------------------------------------------------------------------------


**__3. Emotions-Teil__**

__Festlegung Datenset:__

Um unser neuronales Netzwerk zu trainieren und zu testen, brauchen wir einen gelabelten Datensatz. Als Label brauchen wir mindestens die Kategorien Angry, Sad, Happy und Relaxed (oder eben die Dimensionen Valenz und Arousal).
 
Der Datensatz sollte möglichst passend für unsere Anwendung sein. 
Wir wollen die Stimmung anhand eines Selfies analysieren, also geht es eher um “posed expressions”, und wir brauchen eigentlich auch keine Videos sondern stille Bilder. 
(Also Wild / Natural Datenbanken schließen wir damit aus, aber man könnte später auch schauen ob diese auch klassifiziert werden können).

Eine Internet-Recherche über mögliche Datensätze ergibt sehr viele Möglichkeiten für Gesichts-Datensätze mit Labels (Siehe auch Wikipedia Übersicht aus der ersten Sitzung).

---------------------------------------------------------------------------------------------
**__4. Quellen__**

Posed:
MMI Facial Expression Data Base
https://mmifacedb.eu

Faces DB
http://app.visgraf.impa.br/database/faces/

Cohn-Kanade
https://www.pitt.edu/~emotion/ck-spread.htm
http://www.consortium.ri.cmu.edu/ckagree/

Fer von Kaggle:
https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/data

---------------------------------------------------------------------------------------------
**__4. Recherche__** (wie man anfangen könnte)

https://www.freecodecamp.org/news/facial-emotion-recognition-develop-a-c-n-n-and-break-into-kaggle-top-10-f618c024faa7/

https://medium.com/@lukaszlipinski/tensorflow-low-and-high-level-api-369494fc0341

https://medium.com/@jsflo.dev/training-a-tensorflow-model-to-recognize-emotions-a20c3bcd6468

https://medium.com/themlblog/how-to-do-facial-emotion-recognition-using-a-cnn-b7bbae79cd8f

https://machinelearningmastery.com/tutorial-first-neural-network-python-keras/

------------------------------------------------------------------------------------------

**__4. Projekt EmoPy__** (macht ähnliches wie wir)

https://github.com/thoughtworksarts/EmoPy

Hier ein zusammenfassender Artikel des Projekts:
https://thoughtworksarts.io/blog/emopy-emotional-expression-toolkit/

https://thoughtworksarts.io/blog/recognizing-facial-expressions-machine-learning/

----------------------------------------------------------------------------------------
**__5. Netzwerk Infos__**

Plan, was unser Netzwerk machen soll:

(Notizen werden noch hinzugefügt)

Festlegung: 
- wir nehmen den Datensatz dass die vielen Bilder schwarz/weiß und klein sind
- wir einigen uns auf 4 Kategorien 
--------------------------------------------------------------------------------------------

Du willst zu dem nächsten Beitrag gelangen?

Gut, dann übe dich in Geduld.

Nächste Woche wird dieser verfügbar sein :)
Mathesis Wiki

Benutzer-Werkzeuge

Webseiten-Werkzeuge

Seiten-Werkzeuge
