1. Trang chủ
  2. Luận Văn - Báo Cáo

ÁP DỤNG DEEP LEARNING NGHIÊN CỨU XÂY DỰNG ỨNG DỤNG NHẬN DIỆN DANH TÍNH VÀ PHÁT HIỆN NGỦ GẬT

49 5 0
ÁP DỤNG DEEP LEARNING NGHIÊN CỨU XÂY DỰNG ỨNG DỤNG NHẬN DIỆN DANH TÍNH VÀ PHÁT HIỆN NGỦ GẬT

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Ngày đăng: 09/05/2022, 00:49

Xem thêm:

Hình ảnh liên quan

• Tiếp theo, bạn cung cấp một số hình ảnh cho AI, trong đó một số hoặc tất cả các hình ảnh có thể được dán nhãn "mèo" để máy có thể chọn hiệu quả hơn các chi tiết, đặc điểm có liên quan đến mèo - ÁP DỤNG DEEP LEARNING NGHIÊN CỨU XÂY DỰNG ỨNG DỤNG NHẬN DIỆN DANH TÍNH VÀ PHÁT HIỆN NGỦ GẬT

i.

ếp theo, bạn cung cấp một số hình ảnh cho AI, trong đó một số hoặc tất cả các hình ảnh có thể được dán nhãn "mèo" để máy có thể chọn hiệu quả hơn các chi tiết, đặc điểm có liên quan đến mèo Xem tại trang 15 của tài liệu.
Thư viện tập trung vào việc mô hình hóa dữ liệu. Nó không tập trung vào việc truyền tải dữ liệu, biến đổi hay tổng hợp dữ liệu - ÁP DỤNG DEEP LEARNING NGHIÊN CỨU XÂY DỰNG ỨNG DỤNG NHẬN DIỆN DANH TÍNH VÀ PHÁT HIỆN NGỦ GẬT

h.

ư viện tập trung vào việc mô hình hóa dữ liệu. Nó không tập trung vào việc truyền tải dữ liệu, biến đổi hay tổng hợp dữ liệu Xem tại trang 22 của tài liệu.
- FaceNet trực tiếp học cách ánh xạ từ hình ảnh khuôn mặt đến một không gian Euclide nhỏ gọn trong đó khoảng cách tương ứng trực tiếp với số đo độ giống nhau của khuôn mặt - ÁP DỤNG DEEP LEARNING NGHIÊN CỨU XÂY DỰNG ỨNG DỤNG NHẬN DIỆN DANH TÍNH VÀ PHÁT HIỆN NGỦ GẬT

ace.

Net trực tiếp học cách ánh xạ từ hình ảnh khuôn mặt đến một không gian Euclide nhỏ gọn trong đó khoảng cách tương ứng trực tiếp với số đo độ giống nhau của khuôn mặt Xem tại trang 29 của tài liệu.
Với các chi tiết của mô hình và coi nó như một hộp đen (xem Hình 2), phần quan trọng nhất trong cách tiếp cận của chúng tôi nằm ở việc học tập từ đầu đến cuối của toàn bộ hệ thống - ÁP DỤNG DEEP LEARNING NGHIÊN CỨU XÂY DỰNG ỨNG DỤNG NHẬN DIỆN DANH TÍNH VÀ PHÁT HIỆN NGỦ GẬT

i.

các chi tiết của mô hình và coi nó như một hộp đen (xem Hình 2), phần quan trọng nhất trong cách tiếp cận của chúng tôi nằm ở việc học tập từ đầu đến cuối của toàn bộ hệ thống Xem tại trang 30 của tài liệu.
Hình ảnh minh hoạ phần 1: Huấn luyện một khuôn mặt mới - ÁP DỤNG DEEP LEARNING NGHIÊN CỨU XÂY DỰNG ỨNG DỤNG NHẬN DIỆN DANH TÍNH VÀ PHÁT HIỆN NGỦ GẬT

nh.

ảnh minh hoạ phần 1: Huấn luyện một khuôn mặt mới Xem tại trang 44 của tài liệu.
Hình ảnh minh hoạ phần 2: Nhận diện khuôn mặt real-time - ÁP DỤNG DEEP LEARNING NGHIÊN CỨU XÂY DỰNG ỨNG DỤNG NHẬN DIỆN DANH TÍNH VÀ PHÁT HIỆN NGỦ GẬT

nh.

ảnh minh hoạ phần 2: Nhận diện khuôn mặt real-time Xem tại trang 44 của tài liệu.
- Từ hình roi, ta chuẩn hóa ảnh roi để đưa vào model facenet. - ÁP DỤNG DEEP LEARNING NGHIÊN CỨU XÂY DỰNG ỨNG DỤNG NHẬN DIỆN DANH TÍNH VÀ PHÁT HIỆN NGỦ GẬT

h.

ình roi, ta chuẩn hóa ảnh roi để đưa vào model facenet Xem tại trang 48 của tài liệu.

Trích đoạn

Môi trường làm việc:

Mạng MTCNN sử dụng cho Face detection:

Lựa chọn Triple Image

Thuật toán nhận diện khuôn mặt

Thuật toán nhận dạng buồn ngủ

Tài liệu cùng người dùng

Tài liệu liên quan