Apadana موسسه آموزش عالی آپادانا Journal of Apadana ........... نشریه مطالعات مهندسی کامپیوتر آپادانا - Review on deep learning based facial expression recognition using improved Cat Swarm Optimization مروری بر تشخیص حالت چهره مبتنی بر یادگیری عمیق با استفاده از الگوریتم بهینه سازی ازدحام گربه بهبود یافته FA Seyed Mohammad Amin Alavi Nejad Master's student in Computer Science, Artificial Intelligence, Apadana Institute of Higher Education سید محمد امین علوی نژاد دانشجوی کارشناسی ارشد رشته کامپیوتر، هوش مصنوعی، موسسه آموزش عالی آپادانا Kimia Bazargan Lari Assistant Professor, Computer Department,Apadana Institute of Higher Education کیمیا بازرگان لاری استادیار،گروه کامپیوتر، موسسه آموزش عالی آپادانا Zahra Ekramzadeh ٍEducator, Computer Department,Apadana Institute of Higher Education زهرا اکرام زاده مربی،گروه کامپیوتر، موسسه آموزش عالی آپادانا human emotional facial expressions play a vital role in interpersonal relations. Automated facial expression recognition has always remained a challenging problem in real-life applications as people vary significantly in the way of showing their expressions. Recently various approaches have been proposed for automatically analyzing the facial expression of a person. In this paper, a novel approach to human facial expression recognition by applying a modified version of the Cat Swarm Optimization algorithm, called Improved Cat Swarm Optimization (ICSO) algorithm is proposed. The input image given to the proposed system retrieves similar images from the dataset as well as identifies the person’s emotional state through facial expressions. Deep features present in the face image are extracted using Deep Convolution Neural Network (DCNN) approach. ICSO is proposed to select optimal features from the face image that can uniquely distinguish the facial expression of a person. Employing DCNN with ICSO improves the retrieval performance of the proposed system. Ensemble classifiers that employ Neural Network and Support Vector Machine are implemented to classify facial expressions such as normal, happy, sad, surprise, fear and angry. The performance of the proposed system is evaluated using JAFFE, CK+, Pie datasets and some real-world images. The proposed system outperforms the existing system, thus achieving superior accuracy and reduced omputation time. حالات چهره عاطفی انسان نقشی حیاتی در روابط بین فردی دارد. تشخیص خودکار حالت چهره همیشه یک مشکل چالش برانگیز در برنامه های کاربردی زندگی واقعی باقی مانده است، زیرا افراد در نحوه نشان دادن حالات خود به طور قابل توجهی متفاوت هستند. اخیرا رویکردهای مختلفی برای تجزیه و تحلیل خودکار حالت چهره یک فرد پیشنهاد شده است. در این مقاله، یک رویکرد جدید برای تشخیص حالات چهره انسان با استفاده از یک نسخه اصلاح شده از الگوریتم بهینه سازی ازدحام گربه به نام الگوریتم بهینه سازی ازدحام گربه بهبودیافته پیشنهاد شده است. تصویر ورودی داده شده به سیستم پیشنهادی،تصویر مشابه را از مجموعه داده بازیابی می کند و همچنین وضعیت عاطفی فرد را از طریق حالات چهره شناسایی می کند. ویژگی های عمیق موجود در تصویر چهره با استفاده از یک رویکرد شبکه عصبی پیچیده عمیق استخراج می شوند. استفاده از شبکه عصبی پیچیده عمیق با الگوریتم ازدحام گربه بهبودیافته، عملکرد بازیابی سیستم پیشنهادی را بهبود می بخشد. طبقه بندی کننده های گروهی که از شبکه عصبی و ماشین بردار پشتیبان استفاده می کنند برای طبقه بندی حالات چهره مانند نرمال، شاد، غمگین، تعجب، ترس و عصبانیت پیاده سازی می شوند. عملکرد سیستم پیشنهادی با استفاده از مجموعه داده های پای، سی کی پلاس، جف و برخی تصاویر دنیای واقعی ارزیابی می شود. این سیستم به دقت برتر و کاهش محاسبات نسبت به سیستم موجود دست یافت. Image retrieval Deep convolution neural network Facial expression cat swarm optimization Support Vector Machine بازیابی تصویر شبکه عصبی پیچیده عمیق حالت چهره بهینه سازی ازدحام گربه ها ماشین بردار پشتیبان https://ajce.apadana.ac.ir/downloadfilepdf/359328