التعرف على المشاعر بتعلّم عميق محسّن للجوال

المشكلة

كانت نماذج التعرف على المشاعر الحديثة كبيرة جداً ومستهلكة للطاقة للنشر على الجوال. تشغيل الاستدلال في السحابة أضاف تأخيراً ومخاوف خصوصية واعتماداً على الاتصال.

النهج

صُمم pipeline متعدد المراحل: اختيار النموذج ومعايرته على FER-2013، fine-tuning على RAF-DB، ثم quantisation INT8 ديناميكي لتقليص الحجم لـ CPUs الجوال. بُني بـ PyTorch وOpenCV.

النتيجة

يعمل offline على أجهزة سريرية، لا سحابة، لا تأخير، لا مخاطر خصوصية. المرضى يحصلون على كشف المشاعر بدون مغادرة بياناتهم للجهاز.

• ◆يعمل offline على أجهزة سريرية بدون اعتماد على السحابة
• ◆بيانات المرضى لا تغادر الجهاز، خصوصية كاملة
• ◆نموذج أصغر بـ 4 مرات مع دقة تنافسية محفوظة
• ◆استدلال في الوقت الفعلي بدون تأخير الشبكة