1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Chihuahua
4. Instituto Tecnológico de Chihuahua
5. Tesis de Maestría
6. Maestría en Ciencias en Ingeniería Electrónica

Title:	RECONOCIMIENTO DE EMOCIONES MEDIANTE IMÁGENES DE EXPRESIONES FACIALES BASADO EN ARQUITECTURA DE RED SIAMESA
Authors:	NEVÁREZ OCHOA, LUIS XAVIER
metadata.dc.subject.other:	RECONOCIMIENTO DE EMOCIONES MEDIANTE IMÁGENES DE EXPRESIONES FACIALES BASADO EN ARQUITECTURA DE RED SIAMESA
Issue Date:	2026-01-01
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Chihuahua
Description:	RESUMEN RECONOCIMIENTO DE EMOCIONES MEDIANTE IMÁGENES DE EXPRESIONES FACIALES BASADO EN ARQUITECTURA DE RED SIAMESA Las técnicas de reconocimiento de emociones han evolucionado en los últimos años, pasando desde análisis realizados por personal especializado, hasta modelos computacionales que puedan diferenciar las emociones por medio de señales cerebrales, texto, voz y fotografías o videos. Entre estas, en tesis se hace uso de imágenes de expresiones faciales para la diferenciación y clasificación de emociones. En el estado del arte se encuentran distintos métodos y tecnologías para discernir qué emoción presenta una persona, así como la cantidad de emociones utilizadas y cuáles son las más comunes de utilizar. Por ello, en este trabajo se tiene como objetivo la creación de un modelo de red profunda con arquitectura siamesa para el reconocimiento de emociones por medio de imágenes y que sea capaz de funcionar sobre un sistema embebido de manera rápida, portable y sin complicaciones de incompatibilidad de paquetes o una pobre optimización. Para desarrollar el modelo final de red siamesa se realizó una etapa previa llevando a cabo entrenamientos con pares de emociones que siguieran estas características: que fueran similares entre sí, que fueran medianamente similares, y que fueran distintas. El número de emociones se fue incrementando hasta que el modelo mantuviera una precisión general por arriba del 80%. Este límite se puede alcanzar hasta con 6 emociones, pero el modelo final resultó ser un modelo para 5 emociones con cerca de 90% de precisión. En conclusión, se desarrollaron 3 modelos de arquitectura siamesa capaces de funcionar en sistemas de carácter embebido por medio de una migración de la red neuronal desde Matlab viii hacia Python y se dan a conocer los resultados de precisión y rendimiento ante diferentes dispositivos. Los 3 modelos presentan rendimiento entre el 80% y 85% de precisión.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Appears in Collections:	Maestría en Ciencias en Ingeniería Electrónica

This item is protected by original copyright View License

This item is licensed under a Creative Commons License