Mikroilmeiden havainnointi ohjatun oppimisen avulla
Väitöstilaisuuden tiedot
Väitöstilaisuuden päivämäärä ja aika
Väitöstilaisuuden paikka
L10
Väitöksen aihe
Mikroilmeiden havainnointi ohjatun oppimisen avulla
Väittelijä
Diplomi-insinööri Thuong Khanh Tran
Tiedekunta ja yksikkö
Oulun yliopiston tutkijakoulu, Tieto- ja sähkötekniikan tiedekunta, Konenäön ja signaalianalyysin tutkimuskeskus
Oppiaine
Tietotekniikka
Vastaväittäjä
Professori Liming Chen, École centrale de Lyon
Kustos
Akatemiaprofessori Guoying Zhao, Oulun yliopisto
Mikroilmeiden havainnointi ohjatun oppimisen avulla
Mikroilmeet ovat nopeita ja tahdosta riippumattomia kasvonilmeitä, jotka viittaavat piilotettuihin tai tukahdutettuihin tunteisiin. Kiinnostus mikroilmeiden tutkimusta kohtaan on viime aikoina lisääntynyt huomattavasti. Aiheesta on tehty useita tutkimuksia sen tarjoamien ihmiskeskeisen vuorovaikutuksen ja viestinnän avustamiseen liittyvien mahdollisuuksien vuoksi. Erityisesti mikroilmeiden havaitsemiseen liittyy kuitenkin edelleen rajoitteita. Yksi mikroilmeiden analysoinnin tehtävistä onkin mikroilmeiden ajallinen paikantaminen videolla.
Tämä opinnäytetyö tarjoaa viiteen julkaisuun perustuvan kattavan yhteenvedon mikroilmeiden havainnoinnin ohjatusta oppimisesta. Aluksi esitellään mikroilmeiden havainnoinnissa käytettävien tietojen valmistelu- ja vertailutoimet, joihin kuuluvat esimerkiksi videoleikkeiden valinta, kasvokuvan kohdistus ja uusien vertailuarvojen määrittäminen mikroilmeiden havaitsemista varten, jotta voidaan luoda standardit mikroilmeiden havainnoinnin arvioinnille. Seuraavaksi esitellään kasvonilmeiden analysointiin ja mikroilmeiden havaitsemiseen käytettäviä koneoppimismalleja aina erityisvalmisteisista ominaisuuksista syväoppimistekniikoihin saakka.
Tutkimuksen tulokset ovat seuraavat. Ensinnäkin spontaania mikroilmetietokantaa laajennetaan suuremmaksi versioksi, joka mahdollistaa mikroilmeiden tehokkaamman havainnoinnin. Työssä on laadittu myös uusia mikroilmeiden havainnoinnin vertailuarvoja, jotka mahdollistavat mikroilmeiden eri havainnointitekniikoiden keskinäisen vertailun. Lisäksi tässä työssä esitellään uusi multimodaaliseen lähestymistapaan perustuva menetelmä mikroilmeiden havaitsemiseksi pitkissä videoissa. Lopuksi työ sisältää yhteenvedon tuloksista sekä keskustelua tulevista tutkimussuuntauksista ja mikroilmeiden havainnoinnin mahdollisista sovelluksista.
Tämä opinnäytetyö tarjoaa viiteen julkaisuun perustuvan kattavan yhteenvedon mikroilmeiden havainnoinnin ohjatusta oppimisesta. Aluksi esitellään mikroilmeiden havainnoinnissa käytettävien tietojen valmistelu- ja vertailutoimet, joihin kuuluvat esimerkiksi videoleikkeiden valinta, kasvokuvan kohdistus ja uusien vertailuarvojen määrittäminen mikroilmeiden havaitsemista varten, jotta voidaan luoda standardit mikroilmeiden havainnoinnin arvioinnille. Seuraavaksi esitellään kasvonilmeiden analysointiin ja mikroilmeiden havaitsemiseen käytettäviä koneoppimismalleja aina erityisvalmisteisista ominaisuuksista syväoppimistekniikoihin saakka.
Tutkimuksen tulokset ovat seuraavat. Ensinnäkin spontaania mikroilmetietokantaa laajennetaan suuremmaksi versioksi, joka mahdollistaa mikroilmeiden tehokkaamman havainnoinnin. Työssä on laadittu myös uusia mikroilmeiden havainnoinnin vertailuarvoja, jotka mahdollistavat mikroilmeiden eri havainnointitekniikoiden keskinäisen vertailun. Lisäksi tässä työssä esitellään uusi multimodaaliseen lähestymistapaan perustuva menetelmä mikroilmeiden havaitsemiseksi pitkissä videoissa. Lopuksi työ sisältää yhteenvedon tuloksista sekä keskustelua tulevista tutkimussuuntauksista ja mikroilmeiden havainnoinnin mahdollisista sovelluksista.
Viimeksi päivitetty: 12.1.2024