Plus d’un million de livres, à portée de main !
Bookbot

Dr.M.Aravind Kumar

    Erkennung von Gesichtsemotionen mit Hilfe eines neuronalen Faltungsnetzwerks
    DROHNE ZUR BRANDBEKÄMPFUNG UND SAATGUTAUSBRINGUNG IN DER LANDWIRTSCHAFT
    • Dieses Buch fasst zusammen, dass ein unbemanntes Luftfahrzeug (UAV) eine Art von Luftfahrzeug ist, das keinen Piloten oder Passagier an Bord hat . Zu den UAVs gehören autonom gesteuerte (Drohnen) und pilotierte Fahrzeuge (RPVs), die über einen Funksender gesteuert werden. Multirotor-Drohnen (unbemannte Luftfahrzeuge), d. h. Quadro- und Hexacopter, sind in den letzten Jahren immer beliebter geworden. Dieses Buch bietet Im Laufe der Zeit hat sich das Verständnis für die vielen Faktoren, die zum Brandrisiko beitragen, verbessert und zu positiven Entwicklungen beim Brandschutz von Gewerbebauten geführt. Verbesserungen bei den öffentlichen Brandschutzsystemen und -diensten sowie derverstärkte Einsatz privater aktiver oder passiver Systeme durch Brandschutz- und Schadenskontrolltechnik haben zu einer allgemeinen Senkung der Brandkosten geführt. Das Hauptaugenmerk dieses Systems liegt in der automatischen Aussaat der Samen. Das Saatgut wird in der richtigen Reihenfolge ausgesät, was zu einer korrekten Keimung der Samen führt.

      DROHNE ZUR BRANDBEKÄMPFUNG UND SAATGUTAUSBRINGUNG IN DER LANDWIRTSCHAFT
    • Dieses Buch fasst die Erkennung von Gesichtsausdrücken und die Identifizierung von Emotionen anhand eines Gesichtsbildes zusammen, das Ausdruck der Aktivität und Persönlichkeit eines Menschen ist. Im 20. Jahrhundert definierten die amerikanischen Psychologen Ekman und Friesen sechs grundlegende Emotionen (Wut, Angst, Ekel, Traurigkeit, Überraschung und Glück), die in allen Kulturen gleich sind. Die Erkennung von Gesichtsausdrücken hat in den letzten Jahren aufgrund ihrer Auswirkungen auf die klinische Praxis, die Sozialrobotik und die Bildung viel Aufmerksamkeit auf sich gezogen . Verschiedenen Forschungsergebnissen zufolge spielen Emotionen eine wichtige Rolle in der Bildung. Wir haben ein Modell für ein neuronales Faltungsnetzwerk zur Erkennung von Gesichtsausdrücken bei Schülern vorgestellt . Das vorgeschlagene Modell umfasst 4 Faltungsschichten, 4 Max-Pooling-Schichten und 2 vollständig verbundene Schichten. Das System erkennt Gesichter aus den Eingabebildern der Schüler mithilfe eines Haar-ähnlichen Detektors und klassifiziert sie in sieben Gesichtsausdrücke: Überraschung, Angst, Ekel, Traurigkeit, Freude, Ärger und Neutralität.

      Erkennung von Gesichtsemotionen mit Hilfe eines neuronalen Faltungsnetzwerks