Fusion Fuzzy Logic and Deep Learning for Depression Detection Using Facial Expressions

模糊逻辑 计算机科学 面部表情 人工智能 深度学习 模式识别(心理学) 机器学习
作者
Anand Singh Rajawat,Pradeep Bedi,Shreyas Goyal,Pawan Bhaladhare,Alok Aggarwal,Ravi Shankar Singhal
出处
期刊:Procedia Computer Science [Elsevier]
卷期号:218: 2795-2805 被引量:15
标识
DOI:10.1016/j.procs.2023.01.251
摘要

One of the critical issues in detecting depression is using facial expressions with image data classification. In This research paper, we proposed Fusion Fuzzy Logic((FFL) with deep learning for identifying depressed people based on their facial expressions. Our proposed model the based on an advanced fuzzy algorithm with deep learning for unordered fuzzy rule(FR) initiation to offer appropriate and suitable opinions based on depressed people's facial expressions(FE), to allow Depression Recognition(DR) from image files and recorded video files. The primary goal of this research work was to use the fusion method to turn these facial expressions (FE) into the detection of depressed states. To elevate the performance of the Fusion Fuzzy Logic((FFL) (fuzzy logic and CNN)), delivering them entreated them several times to imitate specific facial expressions. Our proposed FFL with the CNN model produces exact and dependable results with a 94.3% overall accuracy comparable to human recognition.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科目三应助阳光易真采纳,获得30
1秒前
yoyo发布了新的文献求助10
1秒前
思源应助Wl采纳,获得10
3秒前
共享精神应助橘笙采纳,获得10
4秒前
耍酷问兰发布了新的文献求助10
5秒前
科研通AI2S应助nczpf2010采纳,获得10
7秒前
搜集达人应助杜兰特工队采纳,获得10
12秒前
热心市民小红花应助牛马采纳,获得10
14秒前
热心市民小红花应助牛马采纳,获得10
14秒前
14秒前
Ava应助WJM采纳,获得10
18秒前
科研通AI2S应助nczpf2010采纳,获得10
19秒前
酷酷飞烟发布了新的文献求助10
19秒前
Bressanone发布了新的文献求助10
21秒前
李健的小迷弟应助老吴采纳,获得10
21秒前
大气的雅山完成签到,获得积分10
23秒前
shaoshao86完成签到,获得积分10
29秒前
29秒前
华仔应助科研通管家采纳,获得10
29秒前
逆时针应助科研通管家采纳,获得10
29秒前
MchemG应助科研通管家采纳,获得10
29秒前
研友_VZG7GZ应助科研通管家采纳,获得10
29秒前
wang应助科研通管家采纳,获得10
29秒前
wang应助科研通管家采纳,获得10
29秒前
ding应助科研通管家采纳,获得10
29秒前
上官若男应助科研通管家采纳,获得10
30秒前
思源应助科研通管家采纳,获得10
30秒前
田様应助科研通管家采纳,获得10
30秒前
小北发布了新的文献求助10
30秒前
NexusExplorer应助Quinna采纳,获得10
32秒前
33秒前
33秒前
量子星尘发布了新的文献求助10
35秒前
WJM发布了新的文献求助10
39秒前
老吴发布了新的文献求助10
40秒前
41秒前
佳语妍说完成签到,获得积分10
42秒前
43秒前
44秒前
酷波er应助平淡的凝竹采纳,获得10
45秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
‘Unruly’ Children: Historical Fieldnotes and Learning Morality in a Taiwan Village (New Departures in Anthropology) 400
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 350
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3989069
求助须知:如何正确求助?哪些是违规求助? 3531351
关于积分的说明 11253589
捐赠科研通 3269939
什么是DOI,文献DOI怎么找? 1804851
邀请新用户注册赠送积分活动 882074
科研通“疑难数据库(出版商)”最低求助积分说明 809073