Benutzer-Werkzeuge
Seitenleiste
Protokoll vom 21.11.2019
Beschäftigung mit den Hinweisen von Stefan
Anschauen ähnlicher Projekte, die bereits in Mathesis umgesetzt wurden
Quellen:
https://medium.com/themlblog/how-to-do-facial-emotion-recognition-using-a-cnn-b7bbae79cd8f
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6514572/
https://iopscience.iop.org/article/10.1088/1742-6596/1193/1/012004/pdf
Für Bilder: http://academictorrents.com/details/71631f83b11d3d79d8f84efe0a7e12f0ac001460
Für Musik: https://cs.nju.edu.cn/sufeng/data/musicmood.htm
Mit Labels, die mehr das Genre betreffen (aber zumindest indirekt auch was mit Stimmungen zu tun haben): http://millionsongdataset.com/
Interessant auch https://github.com/neokt/audio-music-mood-classificationhttps://neokt.github.io/projects/audio-music-mood-classification/
Zu beachten:
- Hinweise von Stefan Born: sollten (große) öffentliche Datensätze finden, bei denen Bilder, bzw. Musikstücke mit ästhetischen bzw. Stimmungs-Labels versehen sind
Weitere Notizen: Stimmungsklassifikation von Bildern ist nicht ganz einfach. Die funktionierenden Methoden beruhen darauf, neuronale Netzwerke auf Features zu trainieren, die ihrerseits aus den mittleren Schichten von neuronalen Netzwerken kommen, die für andere Aufgaben trainiert wurden.
(Typischerweise die Gewinner der großen ImageNet-Challenges, bei denen es um Bildklassifikation geht, AlexNet, ResNet,…) Es kann sich lohnen, außerdem noch summarische Statistiken der Bildfarben o.ä. als Eingabe zu verwenden.
Ein typisches Beispiel ist hier: https://arxiv.org/pdf/1705.07543.pdf
—> alles lässt sich mit den Paketen keras + tensorflow realisieren. Damit's nicht ewig dauert, braucht man eine GPU, es kann sich lohnen, die Modelle auf Google Colab zu rechnen.
Fragen:
Wie funktionieren neuronalen Netzwerke? Was können neuronalen Netzwerke? Wie würde die Implementation in Python aussehen?
————————————————————————————————————————–
FAZIT: - Beschäftigung mit neuronalen Netzwerken nötig
Seiten-Werkzeuge
