Por favor, use este identificador para citar o enlazar este ítem: http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2458
Modelo de clasificación de emociones en entorno multiplataforma con conectividad a la nube e interacción con el usuario en tiempo real
Luis Eduardo Arenas Deseano
JUAN MANUEL RAMIREZ CORTES
Acceso Abierto
Atribución-NoComercial-SinDerivadas
Facial expressions
Convolutional Neural Networks (CNN)
Computer visión
Fog computing
Cross-plataform system
In this thesis project, the development of an artificial intelligence system focused on emotion classification in a multiplatform environment is presented. This constitutes the first stage of a real-time user-interacting Service Robot that complements its functions through cloud connectivity. Emotion classification models are based on convolutional neural networks on the TensorFlow platform in the Python language. The multiplatform environment involves the use of three processing units: a laptop (running Windows operating system with a 13th generation i9 CPU, 32 GB of RAM, and an RTX 3080 Ti GPU with 16 GB of VRAM), Jetson Orin (running a Linux-based operating system with an ARM architecture CPU, 16 GB of RAM, and an Ampere GPU), Raspberry Pi-4 (running Raspbian operating system based on Linux with a Broadcom BCM2711 CPU, 8 GB of RAM, and a VideoCore VI GPU). Training and classification were performed on both the laptop and Jetson Orin for performance comparison purposes. In both cases, processing was carried out utilizing the devices’ GPUs. Raspberry Pi-4 is responsible for people tracking and monitoring various built-in sensors. The results obtained show an average performance of 90 % for different emotions. Training times on the laptop and Jetson Orin can take up to 20 and 30 minutes, respectively. Program runtime on Jetson Orin is shorter than on the laptop primarily because the operating system is lighter. Cloud connectivity allowed monitoring and controlling both systems wirelessly, as well as real-time logging of sensors and classification results, and the implementation of alerts and notifications generated during the process.
En este proyecto de tesis se presenta el desarrollo de un sistema de inteligencia artificial orientado a la clasificación de emociones en un entorno multiplataforma. Esta parte conforma la primera etapa de un Robot de Servicio con interacción al usuario en tiempo real que complementa sus funciones a través de conectividad a la nube. Los modelos de clasificación de emociones están basados en redes neuronales convolucionales sobre la plataforma de TensorFlow en el lenguaje Python. El entorno multiplataforma consiste en el uso de tres unidades de procesamiento: una laptop (con sistema operativo Windows y un CPU i9 de 13a generación, 32 GB de memoria RAM y una GPU RTX 3080 Ti de 16 GB de VRAM), Jetson Orin (con el sistema operativo basado en la arquitectura de Linux, así como un CPU basado en arquitectura ARM, una memoria RAM de 16 GB y una GPU Ampere), Raspberry Pi-4 (con el sistema operativo Raspbian basado en arquitectura Linux y un CPU Broadcom BCM2711, así como 8 GB de memoria RAM y una GPU VideoCore VI). El entrenamiento y la clasificación fueron realizados en la laptop y en la Jetson Orin para propósitos de comparación de desempeño. En ambos casos, el procesamiento se realizó utilizando el GPU de los dispositivos. La Raspberry Pi-4 se encarga de realizar el seguimiento de las personas y el monitoreo de los diversos sensores incorporados. Los resultados obtenidos muestran un desempeño del 90 % en promedio para las diferentes emociones. Los tiempos de entrenamiento obtenidos en la laptop y en la Jetson Orin pueden llegar a los 20 y 30 minutos, respectivamente. Los tiempos de ejecución del programa en la Jetson Orin son más cortos que en la laptop debido fundamentalmente a que el sistema operativo es más ligero. La conectividad a la nube permitió monitorear y controlar ambos sistemas de forma inalámbrica, y también llevar un registro en tiempo real de los sensores y de los resultados de clasificación, así como la implementación de alertas y notificaciones generadas durante el proceso.
Instituto Nacional de Astrofísica, Óptica y Electrónica.
2023-09
Tesis de maestría
Español
Estudiantes
Investigadores
Público en general
Arenas Deseano, L. E., (2023), Modelo de clasificación de emociones en entorno multiplataforma con conectividad a la nube e interacción con el usuario en tiempo real, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica.
ELECTRÓNICA
Versión aceptada
acceptedVersion - Versión aceptada
Aparece en las colecciones: Maestría en Electrónica

Cargar archivos:


Fichero Tamaño Formato  
ARENASDLE_ME.pdf9.42 MBAdobe PDFVisualizar/Abrir