PowerPoint Presentation Nhận dạng khuôn mặt người dựa vào mạng nơ ron Học viên thực hiện 1 Quản Trọng Thế 2 Nguyễn Thu Trang 3 Nguyễn Thu Phương Nội dung báo cáo Giới thiệu tổng quan về nhận dạng Các.
Nhận dạng khuôn mặt người dựa vào mạng nơ-ron Học viên thực hiện: 1.Quản Trọng Thế 2.Nguyễn Thu Trang 3.Nguyễn Thu Phương Nội dung báo cáo Giới thiệu tổng quan nhận dạng Các bước thực để nhận dạng khn mặt Mơ hình mạng Perceptron MLPs Demo – Nguyễn Thu Trang - Quản Trọng Thế - Nguyễn Thu Phương Nhận dạng Hiện phần lớn hệ thống thông tin thông tin xác thực người truy cập không đặc trưng cho thân họ họ sở hữu: số chứng minh thư nhân dân, chìa khố, mật mã, thẻ tín dụng họ tên Rõ ràng thông tin hay vật dụng khơng mang tính đặc trưng mà mang tính xác thực với người sử dụng, chúng bị đánh cắp chép kẻ trộm hồn tồn có quyền truy cập sử dụng hệ thống Hiện công nghệ đại cho phép việc xác thực dựa vào chất cá nhân Các mơ hình nhận dạng Nhận dạng gương mặt số phương pháp nhận dạng dựa vào đặc tính sinh lý có nhiều ứng dụng quan trọng thuận tiện sử dụng Ngày nhận dạng mặt người quan tâm coi lĩnh vực quan trọng khoa học nhận dạng nhu cầu ứng dụng nhận dạng mặt người lĩnh vực (kinh tế, thi hành luật pháp, điều tra tội phạm, bảo mật,…) ngày nhiều Mơ hình nhận dạng khn mặt người Tiền xử ly Tách khn mặt Trích chọn đặc trưng Huấn luyện Cập nhật CSDL (Các trọng số) Tiến hành nhận dạng Nhận xét Nhận dạng mặt người tốn khó khăn lĩnh vực nhận dạng ảnh Một khuôn mặt người không đối tuợng ba chiều mà thực thể mang tính động cao Ngồi ra, ảnh mặt người thường chụp điều kiện môi trường tự nhiên nên thông thường ảnh phức tạp độ chiếu sáng ví dụ ảnh với phức tạp có chứa mặt người Các yếu tố xuất ảnh tạo nên khó khăn cho hệ thống nhận dạng phân thành loại sau đây: Máy ảnh không rõ nhiễu Nền phức tạp Độ sáng Sự dịch chuyển, xoay, biến đổi tỉ lệ thành phần Cảm xúc thể gương mặt Hố trang, kiểu tóc Perceptron đơn lớp Mức kích hoạt ∑i wixi Hàm ngưỡng giới hạn cứng f : if ∑i wixi >= t -1 if ∑i wixi < t Điều chỉnh trọng số: ∆wi = c(d-f(∑i wixi)) xi c: số tốc độ học d: đầu mong muốn Nếu kết thực kết mong muốn giống nhau, khơng làm Nếu kết thực -1 kết mong muốn 1, tăng trọng số đường thứ i lên 2cxi Nếu kết thực kết mong muốn -1, giảm trọng số đường thứ i xuống 2cxi MLPs Thay hàm ngưỡng giới hạn cứng hàm kích hoạt khác có khả lấy vi phân Ví dụ: hàm kích hoạt sigmoidal f(net) = 1/(1 + e-*netnet) với net = ∑i wixi f ’(net) = f(net) *net (1- f(net)) Sử dụng luật delta để điều chỉnh trọng số đầu vào thứ k nút thứ i f’: đạo hàm bậc ∆w = c(di – Oi) f’(neti)xk c: tốc độ học = c(di – Oi) Oi (1 – Oi) xk di: đầu mong muốn Oi: đầu thật Giải thuật lan truyền ngược bắt đầu tầng truyền lỗi ngược xuyên qua tầng ẩn Luật delta tổng quát để điều chỉnh trọng số đầu vào thứ k nút thứ i: ∆wk = c(di – Oi) Oi (1 – Oi) xk cho nút tầng ∆wk = c ∑j (deltaj wij) Oi (1 – Oi) xk cho nút tầng ẩn với deltaj = (dj – Oj) Oj (1 – Oj) j chạy nút tầng mà nút i truyền đầu Demo Nguyễn Thu Trang Quản Trọng Thế Sử dụng sở liệu đại học Yale để tiến hành thử nghiệm Nguyễn Thu Phương Yale Database Tiến hành trích chọn đặc trưng - DCT2 - Histogram Huấn luyện theo mơ hình mạng Perceptron MLPs DCT2 Histogram Tính histogram ảnh xám Lấy giá trị khoảng mức xám xác định ... số) Tiến hành nhận dạng Nhận xét Nhận dạng mặt người tốn khó khăn lĩnh vực nhận dạng ảnh Một khuôn mặt người không đối tuợng ba chiều mà thực thể mang tính động cao Ngồi ra, ảnh mặt người thường... dạng gương mặt số phương pháp nhận dạng dựa vào đặc tính sinh lý có nhiều ứng dụng quan trọng thuận tiện sử dụng Ngày nhận dạng mặt người quan tâm coi lĩnh vực quan trọng khoa học nhận dạng nhu... cáo Giới thiệu tổng quan nhận dạng Các bước thực để nhận dạng khuôn mặt Mơ hình mạng Perceptron MLPs Demo – Nguyễn Thu Trang - Quản Trọng Thế - Nguyễn Thu Phương Nhận dạng Hiện phần lớn hệ thống