Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION)

26 13 0

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

1 / 26 trang

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang	26
Dung lượng	1,61 MB

Nội dung

BÁO CÁO GIỮA KÌ Hướng dẫn TS TRẦN VŨ HOÀNG Sinh viên TRẦN NGUYỄN THANH DUY MSSV 17119064 LÊ ANH KHÔI MSSV 17119103 TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HỒ CHÍ MINH KHOA ĐIỆN – ĐIỆN TỬ BỘ MÔN KỸ THUẬT MÁY TÍNH – VIỄN THÔNG NGÀNH CÔNG NGHỆ KỸ THUẬT MÁY TÍNH Hồ Chí Minh, Tháng 112020 XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) Mục lục LỜI CẢM ƠN 1 CHƯƠNG 1 MỤC TIÊU CỦA PROJECT 1 CHƯƠNG 2 LÝ DO CHỌN PROJECT 3 CHƯƠNG 3 CÁC THỬ THÁCH CỦA PROJECT 4 3 1 Nhiễu do background 4 3 2 Ánh sáng 4 3 3 K.

Ngày đăng: 14/05/2022, 14:00

HÌNH ẢNH LIÊN QUAN

Và còn có đặc trưng như Đặc trưng 4 hình (four-rectangle featrures) - Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) — c òn có đặc trưng như Đặc trưng 4 hình (four-rectangle featrures) (Trang 9)

Có rất nhiều bộ lộc haar như vậy trong 1 bức hình đã được quét. Ta có thể sử dụng Adaboost (adaptive boosting) để kết hợp các bộ lọc trên - Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) — r ất nhiều bộ lộc haar như vậy trong 1 bức hình đã được quét. Ta có thể sử dụng Adaboost (adaptive boosting) để kết hợp các bộ lọc trên (Trang 10)

Theo hình thì kết quả là 2 bộ lọc ở mục trên là những bộ lọc tốt nhất theo như Adaboost - Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) — **heo** hình thì kết quả là 2 bộ lọc ở mục trên là những bộ lọc tốt nhất theo như Adaboost (Trang 11)

Trong quá trình train, mô hình sẽ lựa chọn các classifier tốt nhất với độ tự tin hợp lý để ưu tiên việc falsenegative không được phép tồn tại — vì nếu chúng ta gặp false positive , các bước sau sẽ loại ví dụ đó cho chúng ta - Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) — **rong** quá trình train, mô hình sẽ lựa chọn các classifier tốt nhất với độ tự tin hợp lý để ưu tiên việc falsenegative không được phép tồn tại — vì nếu chúng ta gặp false positive , các bước sau sẽ loại ví dụ đó cho chúng ta (Trang 12)

Có 5 bước cơ bản để xây dựng một vector HOG cho hình ảnh, bao gồm: - Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) — 5 bước cơ bản để xây dựng một vector HOG cho hình ảnh, bao gồm: (Trang 13)

Để tính toán vector đặc trưng cho từng ô (cell), chúng ta cần chia hình ảnh thành các block, mỗi block lại chia đều thành các cell - Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) — t ính toán vector đặc trưng cho từng ô (cell), chúng ta cần chia hình ảnh thành các block, mỗi block lại chia đều thành các cell (Trang 14)

 Với mỗi hình ảnh kích thước 64x128, chia thành các block 16x16 chồng nhau, sẽ có 7 block ngang và 15 block dọc, nên sẽ có 7x15 = 105 blocks - Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) — i mỗi hình ảnh kích thước 64x128, chia thành các block 16x16 chồng nhau, sẽ có 7 block ngang và 15 block dọc, nên sẽ có 7x15 = 105 blocks (Trang 17)

Hình 4. Ssd Architecture - Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) — **Hình 4.** Ssd Architecture (Trang 18)

Hình 1. Model Faster R-CNN. - Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) — **Hình 1.** Model Faster R-CNN (Trang 19)

Hình 2. RPN network model. - Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) — **Hình 2.** RPN network model (Trang 20)

Hình 3. Convolutional feature - Báo cáo giữa kì: XÂY DỰNG HỆ THỐNG NHẬN DIỆN NGƯỜI ( HUMAN DETECTION) — **Hình 3.** Convolutional feature (Trang 21)

TỪ KHÓA LIÊN QUAN