{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2945364"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2945364","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Recognition of Emotions from Facial Photos using Deep Neural Networks","abstract":"Σε αυτή την εργασία ασχολούμαστε με το πρόβλημα της αναγνώρισης συναισθημάτων χρησιμοποιώντας αποκλειστικά εκφράσεις του προσώπου, όπως αυτές καταγράφονται σε ακίνητες εικόνες. Τα τελευταία χρόνια έχει παρατηρηθεί μια αύξηση του ενδιαφέροντος για τον εντοπισμό ψυχολογικών προβλημάτων. Αυτό μας ώθησε να δημιουργήσουμε ένα πλαίσιο για την αυτόματη αναγνώριση συναισθημάτων χρησιμοποιώντας μόνο οπτικές πληροφορίες που εξάγονται από το πρόσωπο των υποκειμένων. Η προσέγγιση μας βασίζεται στη βαθιά μάθηση και πιο συγκεκριμένα σε ένα συνελικτικό νευρικό δίκτυο. Κατά την προεπεξεργασία, οι εικόνες παρουσιάζονται ως είσοδος στο δίκτυο και ταξινομούνται ως ένα από ένα σύνολο προκαθορισμένων συναισθημάτων. Για την πειραματική αξιολόγηση χρησιμοποιήσαμε πολλές βάσεις δεδομένων που είναι διαθέσιμες στο κοινό. Τα πειραματικά αποτελέσματα απέδειξαν τις δυνατότητες της προσέγγισης μας.","abstract_html":"Σε αυτή την εργασία ασχολούμαστε με το πρόβλημα της αναγνώρισης συναισθημάτων χρησιμοποιώντας αποκλειστικά εκφράσεις του προσώπου, όπως αυτές καταγράφονται σε ακίνητες εικόνες. Τα τελευταία χρόνια έχει παρατηρηθεί μια αύξηση του ενδιαφέροντος για τον εντοπισμό ψυχολογικών προβλημάτων. Αυτό μας ώθησε να δημιουργήσουμε ένα πλαίσιο για την αυτόματη αναγνώριση συναισθημάτων χρησιμοποιώντας μόνο οπτικές πληροφορίες που εξάγονται από το πρόσωπο των υποκειμένων. Η προσέγγιση μας βασίζεται στη βαθιά μάθηση και πιο συγκεκριμένα σε ένα συνελικτικό νευρικό δίκτυο. Κατά την προεπεξεργασία, οι εικόνες παρουσιάζονται ως είσοδος στο δίκτυο και ταξινομούνται ως ένα από ένα σύνολο προκαθορισμένων συναισθημάτων. Για την πειραματική αξιολόγηση χρησιμοποιήσαμε πολλές βάσεις δεδομένων που είναι διαθέσιμες στο κοινό. Τα πειραματικά αποτελέσματα απέδειξαν τις δυνατότητες της προσέγγισης μας.","abstract_has_math":false,"creators":["Πίνη Ισιδώρα","Pini Isidora"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2021,"date_issued":"2021","date_published":"2021","updated_at":"2026-11-19T05:42:44Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2945364"],"render_values":[{"text":"uoadl:2945364","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2945364","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2945364","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2945364","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Πίνη Ισιδώρα","Pini Isidora"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2021"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2945364","https://pergamos.lib.uoa.gr/uoa/dl/object/2945364"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Σε αυτή την εργασία ασχολούμαστε με το πρόβλημα της αναγνώρισης συναισθημάτων χρησιμοποιώντας αποκλειστικά εκφράσεις του προσώπου, όπως αυτές καταγράφονται σε ακίνητες εικόνες. Τα τελευταία χρόνια έχει παρατηρηθεί μια αύξηση του ενδιαφέροντος για τον εντοπισμό ψυχολογικών προβλημάτων. Αυτό μας ώθησε να δημιουργήσουμε ένα πλαίσιο για την αυτόματη αναγνώριση συναισθημάτων χρησιμοποιώντας μόνο οπτικές πληροφορίες που εξάγονται από το πρόσωπο των υποκειμένων. Η προσέγγιση μας βασίζεται στη βαθιά μάθηση και πιο συγκεκριμένα σε ένα συνελικτικό νευρικό δίκτυο. Κατά την προεπεξεργασία, οι εικόνες παρουσιάζονται ως είσοδος στο δίκτυο και ταξινομούνται ως ένα από ένα σύνολο προκαθορισμένων συναισθημάτων. Για την πειραματική αξιολόγηση χρησιμοποιήσαμε πολλές βάσεις δεδομένων που είναι διαθέσιμες στο κοινό. Τα πειραματικά αποτελέσματα απέδειξαν τις δυνατότητες της προσέγγισης μας.","In this thesis we deal with the problem of emotion recognition based on facial expressions, as captured in still images. During the last few years we have witnessed an increase of interest for the identification of psychological problems. This has motivated us to build a framework for the automatic recognition of emotions using only visual information extracted from the face of subjects. Our approach is based on deep learning and more specifically on a convolutional neural network. Upon preprocessing, images are presented as input to the network and are classified as one of a set of predefined emotions, accordingly. For experimental evaluation we have used several publicly available databases. Experimental results showed the potential of our approach."]},{"key":"dc:title","label":"Title","values":["Recognition of Emotions from Facial Photos using Deep Neural Networks"]}]}],"canonical_facts":{"dc:creator":["Πίνη Ισιδώρα","Pini Isidora"],"dc:date":["2021"],"dc:description":["Σε αυτή την εργασία ασχολούμαστε με το πρόβλημα της αναγνώρισης συναισθημάτων χρησιμοποιώντας αποκλειστικά εκφράσεις του προσώπου, όπως αυτές καταγράφονται σε ακίνητες εικόνες. Τα τελευταία χρόνια έχει παρατηρηθεί μια αύξηση του ενδιαφέροντος για τον εντοπισμό ψυχολογικών προβλημάτων. Αυτό μας ώθησε να δημιουργήσουμε ένα πλαίσιο για την αυτόματη αναγνώριση συναισθημάτων χρησιμοποιώντας μόνο οπτικές πληροφορίες που εξάγονται από το πρόσωπο των υποκειμένων. Η προσέγγιση μας βασίζεται στη βαθιά μάθηση και πιο συγκεκριμένα σε ένα συνελικτικό νευρικό δίκτυο. Κατά την προεπεξεργασία, οι εικόνες παρουσιάζονται ως είσοδος στο δίκτυο και ταξινομούνται ως ένα από ένα σύνολο προκαθορισμένων συναισθημάτων. Για την πειραματική αξιολόγηση χρησιμοποιήσαμε πολλές βάσεις δεδομένων που είναι διαθέσιμες στο κοινό. Τα πειραματικά αποτελέσματα απέδειξαν τις δυνατότητες της προσέγγισης μας.","In this thesis we deal with the problem of emotion recognition based on facial expressions, as captured in still images. During the last few years we have witnessed an increase of interest for the identification of psychological problems. This has motivated us to build a framework for the automatic recognition of emotions using only visual information extracted from the face of subjects. Our approach is based on deep learning and more specifically on a convolutional neural network. Upon preprocessing, images are presented as input to the network and are classified as one of a set of predefined emotions, accordingly. For experimental evaluation we have used several publicly available databases. Experimental results showed the potential of our approach."],"dc:identifier":["uoadl:2945364","https://pergamos.lib.uoa.gr/uoa/dl/object/2945364"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Recognition of Emotions from Facial Photos using Deep Neural Networks"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:42:44Z"}