Etudiant : SOULO HAKIMA

Filière : Master Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. SABRI ABDELOUAHED

Annèe : 2023

Résumé : Les expressions faciales jouent un rôle essentiel dans la communication humaine, constituant un puissant moyen de transmettre une large gamme d'émotions. Les récents progrès de l'intelligence artificielle et de la vision par ordinateur ont conduit au développement de réseaux neuronaux profonds en tant qu'outils efficaces de reconnaissance des émotions faciales. Dans ce rapport, nous présentons EmoNeXt, un nouveau cadre d'apprentissage profond pour la reconnaissance des expressions faciales basé sur une adaptation du réseau d'architecture ConvNeXt. Pour améliorer les performances du modèle, nous intégrons un réseau de transformation spatiale (Spatial Transformer Networks) qui se concentre sur les régions riches en caractéristiques du visage, permettant une meilleure extraction des caractéristiques. De plus, des blocs de Squeeze-and-Excitation sont incorporés pour capturer les dépendances entre les canaux, améliorant ainsi la capacité du modèle à discriminer entre différentes expressions faciales. De plus, nous introduisons un terme de régularisation à base de Self-Attention, encourageant le modèle à générer des vecteurs de caractéristiques compacts, améliorant ainsi sa capacité de généralisation. À travers des expériences approfondies sur l'ensemble de données FER2013, nous démontrons la supériorité de notre modèle EmoNeXt proposé par rapport aux modèles d'apprentissage profond de pointe existants en termes de précision de classification des émotions. Les résultats indiquent qu'EmoNeXt surpasse les modèles d'apprentissage profond actuels, démontrant ainsi son potentiel en tant que solution efficace pour la reconnaissance des expressions faciales. L'application d'EmoNeXt peut avoir des implications significatives dans divers domaines tels que l'interaction homme-machine, l'informatique affective et la robotique sociale, où la reconnaissance précise et robuste des émotions est essentielle.