Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/21975
Autoria: | Maia, André Filipe Lopes |
Orientação: | Brandão, Tomás Gomes Silva Serpa Batista, Fernando Manuel Marques |
Data: | 22-Dez-2020 |
Título próprio: | Assessing the emotional impact of video using machine learning techniques |
Referência bibliográfica: | MAIA, André Filipe Lopes - Assessing the emotional impact of video using machine learning techniques [Em linha]. Lisboa: Iscte, 2020. Dissertação de mestrado. [Consult. Dia Mês Ano] Disponível em www:<http://hdl.handle.net/10071/21975>. |
Palavras-chave: | Machine learning Emotional prediction Fear prediction Video classification Aprendizagem automática Predição emocional Predição de medo Classificação de vídeo |
Resumo: | Typically, when a human being watches a video, different sensations and mind states can be
stimulated. Among these, the sensation of fear can be triggered by watching segments of
movies containing themes such as violence, horror and suspense. Both the audio and visual
stimuli may contribute to induce fear onto the viewer. This dissertation studies the use of
machine learning for forecasting the emotional effects triggered by video, more precisely,
the automatic identification of fear inducing video segments.
Using the LIRIS-ACCEDE dataset, several experiments have been performed in order
to identify feature sets that are most relevant to the problem and to assess the performance
of different machine learning classifiers. Both classical and deep learning techniques have
been implemented and evaluated, using the Scikit-learn and TensorFlow machine learning
libraries. Two different approaches for training and testing have been followed: film-level
dataset splitting, where different films were used for training and testing; and sample-level
dataset splitting, which allowed that different samples coming from the same films were
used for training and testing. The prediction of movie segments that trigger fear sensations
achieved a F1-score of 18.5% in the first approach, a value suggesting that the dataset
does not adequately represent the universe of movies. The second approach achieved a
F1-score of about 84.0%, a substantially higher value that shows promising outcomes when
performing the proposed task. Quando o ser humano assiste a filmes, diferentes sensações e estados de espírito são despoletados. Entre estes encontra-se o medo, que pode ser despoletado através da visualização de excertos de filmes contendo, por exemplo, violência gráfica, horror ou suspense. Tanto a componente visual como a auditiva contribuem para o despoletar desta sensação. Nesta dissertação é analisada a utilização de aprendizagem automática para prever o impacto emocional que a visualização de vídeos possa causar nas pessoas, mais concretamente os segmentos de um filme que despoletam a sensação de medo. Foram realizadas diversas experiências usando o conjunto de dados LIRIS-ACCEDE com os objetivos de encontrar conjuntos de atributos de imagem e áudio com maior relevância para o problema e de avaliar o desempenho de diversos modelos de aprendizagem automática usados para classificação. Foram usados diversos algoritmos clássicos e de aprendizagem profunda, recorrendo-se às bibliotecas Scikit-learn e TensorFlow. No que se refere à separação dos dados usados para treino e teste foram seguidas duas abordagens: divisão dos dados ao nível do filme, sendo usados filmes distintos para treino e teste; e divisão dos dados ao nível da amostra, possibilitando que os conjuntos de treino e teste contenham amostras distintas, mas pertencentes aos mesmos filmes. Para previsão dos segmentos que despoletam medo, na primeira abordagem chegou-se a um resultado de F1-score de 18,5%, concluindo-se que o conjunto de dados usado não é representativo, e na segunda abordagem a um F1-score de 84,0%, um valor substancialmente mais alto e promissor no desempenho da tarefa proposta. |
Designação do grau: | Mestrado em Engenharia de Telecomunicações e Informática |
Arbitragem científica: | yes |
Acesso: | Acesso Aberto |
Aparece nas coleções: | T&D-DM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
master_andre_lopes_maia.pdf | 11,08 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.