Search

Η μουσική είναι φορέας πολλών και ισχυρών συναισθημάτων. Με την ανάπτυξη της τεχνολογίας και του διαδικτύου η πρόσβαση σε τεράστιου όγκου μουσικό περιεχόμενο είναι άμεση σχεδόν από οπουδήποτε. Παρόλη τη διαθεσιμότητα, η επιλογή μουσικής βάσει συναισθηματικής κατάστασης του ακροατή είναι αρκετά δύσκολη υπόθεση. Η παρούσα εργασία διερευνά μέσω τεχνικών βαθιάς μηχανικής μάθησης την ικανότητα γνωστών αρχιτεκτονικών CNNs (VGG, AlexNet, DenseNet, Inception, ResNeXt, SqueezeNet) στην αναγνώριση μουσικού συναισθήματος σε συνθήκες έλλειψης δεδομένων, με σετ διαφορετικής προέλευσης και όχι πάντοτε ισορροπημένων. Οι τεχνικές που χρησιμοποιούνται είναι η Μεταφορά Μάθησης και η επαύξηση δεδομένων μέσω Παραγωγικών Ανταγωνιστικών Δικτύων (GANs). Πριν από αυτό όμως, με κλασική μηχανική μάθηση πραγματοποιείται εξαγωγή χειροποίητων χαρακτηριστικών όλων των ηχητικών δειγμάτων και ταξινόμηση με γνωστούς ταξινομητές (SVM, K-NN, Random Forest, Extra Trees) προκειμένου να υπάρχει σημείο αναφοράς για τα συγκεντρωτικά αποτελέσματα. Έτσι, τα δείγματα μετατρέπονται σε Mel-spectrograms για να γίνουν είσοδοι στα συνελικτικά δίκτυα τα οποία εκπαιδεύονται με δύο σενάρια Μεταφοράς Μάθησης και δίνουν μοντέλα που δοκιμάζονται σε πειράματα ταξινόμησης συναισθημάτων. Τέλος, με χρήση του StyleGAN2-ADA γίνεται επαύξηση δεδομένων και δημιουργείται ένα νέο τεχνητό σετ που και αυτό με τη σειρά του δοκιμάζεται σε ταξινομήσεις. Σημείο αναφοράς των πειραμάτων είναι το 360-set της έρευνας των Eerola & Vuoskoski πλήρως ετικετοποιημένο από ειδικούς στον τομέα της μουσικής, γεγονός που το καθιστά αρκετά σπάνιο. Αποτελείται από 360 αποσπάσματα κινηματογραφικής μουσικής διάρκειας 15’’-30’’, διαχωρισμένα σε Energy (high, medium, low), Valence (positive, neutral, negative), Tension (high, medium, low) και Emotions (anger, fear, happy, sad, tender). Από όσο μπορούμε να γνωρίζουμε η παρούσα είναι η πρώτη εργασία που πραγματοποιεί τόσο εκτεταμένα πειράματα στο συγκεκριμένο σετ., Music is a carrier of many and strong emotions. With the development of technology and the Internet, access to a huge amount of music content is instantaneous from almost anywhere. Despite the availability, choosing music based on the listener's emotion state is quite a difficult task. This work investigates the ability of well-known CNN architectures (VGG, AlexNet, DenseNet, Inception, ResNeXt, SqueezeNet) to recognize musical emotion when data is limited, with training sets of different distributions and not always balanced. We used Deep Learning techniques such as Transfer Learning and Data Augmentation with Generative Adversarial Networks (GANs). Using “classic” machine learning, handcrafted features of all audio samples were extracted and classifiers were trained (SVM, K-NN, Random Forest, Extra Trees) in order to have a reference point for the results. Then, the samples were converted to Mel-spectrograms as inputs to CNNs which were trained running two Transfer Learning scenarios and gave models that were tested in emotion classification experiments. Finally, using StyleGAN2-ADA, we did data augmentation and a new artificial set was created, and also tested in classification tasks. As ground truth for the experiments, we used the 360-set of Eerola & Vuoskoski's research fully labeled by music experts, which makes it a quite rare set. It consists of 360 soundtrack excerpts from 15'' to 30'' duration, classified into Energy (high, medium, low), Valence (positive, neutral, negative), Tension (high, medium, low) and Emotions (anger, fear, happy, sad, tender). As far as we know, this is the first work that carries out such extensive experiments in this set.

Η υιοθέτηση σύγχρονων τεχνολογιών με προσανατολισμό τη βελτίωση και την εξάλειψη όλων των βασικών προβλημάτων που ταλανίζουν την σημερινή κοινωνία, αποτελεί αδιαπραγμάτευτη ανάγκη για τις τη σύγχρονη επιστημονική κοινότητα. Στο πλαίσιο υλοποίησης αυτής της φιλοσοφίας, η έρευνα και ανάπτυξη των αυτόνομων ρομποτικών οχημάτων θα οδηγούσε δυνητικά στην εξάλειψη μίας πληθώρας προβλημάτων που απασχολούν την ανθρωπότητα, ενώ παράλληλα θα συνεισέφερε ενεργά και καθοριστικά στην προαγωγή του βιοτικού επιπέδου καθώς και στην προστασία του περιβάλλοντος. Η ραγδαία εξέλιξη που έχει σημειωθεί κατά τα τελευταία έτη, τόσο στον τομέα της τεχνολογίας των αυτόνομων ρομποτικών οχημάτων, όσο και της τεχνολογίας εν γένει, οφείλεται κατά μεγάλο βαθμό στην εξίσου ραγδαία εξέλιξη που έχει σημειώσει ο τομέας της Τεχνητής Νοημοσύνης. Η Τεχνητή Νοημοσύνη, περιλαμβάνοντας ένα πλήθος εξελιγμένων αλγορίθμων, τεχνικών και μεθόδων, επιτυγχάνει την εφαρμογή της ανθρώπινης εγκεφαλικής συλλογιστικής διαδικασίας, μέσω αλγοριθμικών, σε κοινά υπολογιστικά συστήματα. Ως εκ τούτου, η μίμηση της εγκεφαλικής συλλογιστικής κατά την διαδικασία ελέγχου ενός οχήματος, από κάποιο υπολογιστικό σύστημα, προϋποθέτει την υλοποίηση και ενσωμάτωση πλήρων και εξελιγμένων αλγορίθμων μοντέλων που υλοποιούν το σύνολο των απαιτούμενων δραστηριοτήτων με χρήση αλγορίθμων, τεχνικών και μεθόδων Τεχνητής Νοημοσύνης, και ειδικότερα, Βαθιάς Μάθησης, η οποία αποτελεί το πλέον εξελιγμένο τομέα της Τεχνητής Νοημοσύνης που συντελεί στον αποτελεσματικό εντοπισμό προτύπων σε οπτικά περιβάλλοντα. Σκοπό της παρούσας μεταπτυχιακής διατριβής, αποτελεί αφενός η παρουσίαση και ανάλυση της τεχνολογίας που φέρουν τα αυτόνομα ρομποτικά οχήματα και αφετέρου, η υλοποίηση ενός εξελιγμένου αλγορίθμου Βαθιάς Μάθησης ο οποίος είναι σε θέση να εντοπίσει - μέσω των κατάλληλων οπτικών συστημάτων που φέρει ένα αυτόνομο ρομποτικό όχημα – τους πεζούς που βρίσκονται εντός του πεδίου ανάλυσης του οπτικού συστήματος. Τα πρώτα κεφάλαια της διατριβής αυτής, έχουν υλοποιηθεί εντός βιβλιογραφικού και αναφορικού πλαισίου ανάπτυξης, και περιλαμβάνουν τις θεματικές ενότητες που παρουσιάζουν τις βασικές έννοιες, τα ιστορικά στοιχεία εξέλιξης και τα δομικά συστήματα που αφορούν ένα αυτόνομο ρομποτικό όχημα. Εν συνεχεία, τα επόμενα κεφάλαια υλοποιούνται μέσα από ένα συνδυαστικό πλαίσιο βιβλιογραφικού περιεχομένου και περιεχομένου παρουσιαζόμενου μέσα από καταλλήλως δομημένα παραδείγματα που συντελούν στην περεταίρω κατανόηση των πραγματευομένων εννοιών. Τέλος, στο τελευταίο τμήμα της παρούσας διατριβής παρουσιάζεται η ανάπτυξη ενός αλγορίθμου Βαθιάς Μάθησης που πραγματοποιεί αναγνώριση πεζών καθώς και η παρουσίαση των αποτελεσμάτων εργαστηριακών δοκιμών αυτού αλλά και πρόταση πιθανών περιθωρίων περεταίρω βελτίωσης του αλγορίθμου αυτού με χρήση των σύγχρονων εργαλείων Τεχνητής Νοημοσύνης., The adoption of modern technologies with the aim of improving and eliminating all the basic problems that afflict today's society, is a non-negotiable need for the modern scientific community. In the context of implementation of this philosophy, research and development of autonomous robotic vehicles will potentially result in the elimination of a multitude of problems facing humanity, while actively contributed decisively to the standard of living and the environment protection. The rapid progress made in recent years, both in the technology of autonomous robotic vehicles, and technology in general, due mainly to the equally rapid evolution that has made the field of Artificial Intelligence. Artificial Intelligence, including a multitude of sophisticated algorithms, techniques and methods, achieves the application of the human brain operation through algorithms to common computer systems. Therefore, the imitation of human cerebral function during a vehicle driving procedure, by a computer, requires the implementation and integration of complete and sophisticated modeling algorithms which implement all the required activities using algorithms, techniques and methods of Artificial Intelligence, particularly Deep Learning, which is the most advanced field of Artificial Intelligence that contributes to the effective identification of prototypes in visual environments. The aim of this dissertation is both the presentation and analysis of technology used in autonomous robotic vehicles, and secondly, the implementation of an advanced Deep Learning algorithm that is able to detect - through appropriate optical sensors used into an autonomous robotic vehicle - pedestrians within the analysis range of optical sensors. The first chapters of this dissertation have been implemented at bibliographic level, and include topics that present the basic concepts, historical evolution elements and structure systems for an autonomous robotic vehicle. Thereinafter, the following chapters are implemented through a combination of bibliographic and example-based content, that contributes to the further understanding of the presented concepts. In conclusion, the last part of this dissertation presents the development of a pedestrian detection Deep Learning algorithm, the results produced during algorithm testing procedure and also the proposal of possible further improvement points of this algorithm, based on the modern Artificial Intelligence tools.