Resumen de Enhancing Image Clarity: Feature Selection with Trickster Coyote Optimization in Noisy/Blurry Images

Prachi Jain, Vinod Maan

• español

  Este trabajo presenta un método novedoso para reconocer emociones humanas a partir de datos de la marcha recogidos en un entorno sin restricciones. El método utiliza una red bidireccional de memoria a corto plazo (FL-BiLSTM) optimizada mediante un algoritmo de coyote embaucador aumentado para la selección y clasificación de características. El estudio se centra en superar las limitaciones de los actuales sistemas de reconocimiento de la marcha, que tienen dificultades con los cambios de dirección al caminar. El artículo evalúa el rendimiento del método clasificador FL-BiLSTM propuesto en un conjunto de datos de secuencias de andares con diferentes emociones y lo compara con los métodos existentes. Los resultados muestran que el método propuesto alcanza una alta precisión, sensibilidad y especificidad en el reconocimiento de emociones a partir de la marcha.

• English

  This paper presents a novel method for recognizing human emotions from gait data collected in an unconstrained environment. The method uses a bi-directional long short-term memory (FL-BiLSTM) network that is optimized by an augmented trickster coyote algorithm for feature selection and classification. The study focuses on overcoming the limitations of existing gait recognition systems that struggle with changes in walking direction. The paper evaluates the performance of the proposed FL-BiLSTM classifier method on a dataset of gait sequences with different emotions and compares it with existing methods. The results show that the proposed method achieves high accuracy, sensitivity, and specificity in emotion recognition from gait.