NGHIÊN cứu THUẬT TOÁN ICA và ỨNG DỤNG ước LƯỢNG độ sâu ẢNH mặt NGƯỜI

  NGHIÊN CỨU THUẬT TOÁN ICA VÀ ỨNG DỤNG ƯỚC LƯỢNG ĐỘ SÂU ẢNH MẶT NGƯỜI Họ tên: Ngô Trường Trường Sơn Cấp bậc: Đại úy Chức vụ: Học viên Đơn vị: Lớp Kỹ thuật điện tử ứng dụng   NỘI DUNG I NGHIÊN CỨU THUẬT TOÁN ICA (INDEPENDENT COMPONENT ANALYSIS) II ỨNG DỤNG CỦA ICA VÀO ƯỚC LƯỢNG ĐỘ SÂU ẢNH MẶT  NGƯỜI III DEMO   I NGHIÊN CỨU THUẬT TOÁN ICA (INDEPENDENT COMPONENT COMPON ENT ANALYSIS ANALYSIS)) Independent Component Analysis (phân tích thành phần độc lập) là phương pháp thống kê xây dựng để tách rời tín hiệu nhiều chiều thành thành phần tín hiệu độc lập ẩn sâu bên liệu Kỹ thuật đòi hỏi phải đặt giả thuyết tồn nguồn tín hiệu bên nongaussianity độc lập thống kê đơi MỤC ĐÍCH   Tín hiệu gốc Tín hiệu sau trộn KẾT QUẢ   Tín hiệu sau trộn Tín hiệu phục hồi   1.2 Phân tích thành phần độc lập (ICA) Để định nghĩa ICA ta dùng mơ hình thống kê “làm chậm biến số””latent varialbe” Giả sử, ta quan sát n tổ hợp tuyến tính tính n thành phần độc lập Mơ hình ICA Điều có nghĩa mơ mơ hình viết lại sau  là ma trận ngược ma trận Các thành phần độc lập tính  bằng cơng thức: 1.4)   *Các điểm không xác định ICA: - Chúng ta xác định thành phần biến (số cột ma trận tương quan) thành phần độc lập - Chúng ta xác định thứ tự thành phần độc lập Ma trận hốn vị phép biến đổi ngược thay công thức Các phần tử thành phần biến độc lập lập gốc , theo thứ dùng tự khác Ma trậntoán biết ma trận trộn chưa biết để giải ICA   1.3 Sự độc lập thống kê Xem hai vector ngẫu nhiên với hàm mật độ xác suất riêng biệt , hàm mật độ xác suất liên kết độc lập thống kê thỏa mãn: Xem biến đổi phi tuyến hai hai vector vector ngẫu nhiên có hàm phân bố nói trên, chứng minh được:    Phi Gauss độc lập Mơ hình ICA đặt hạn chế thành phần độc lập phải có tính Gauss (non-gaussianity), tức khơng có phân bố (hàm mật độ xác suất)phi Gauss Lý tính phi Gauss nằm chổ biến ngẫu nhiên Gauss xác định hoàn toàn thống kê bậc (trị trung bình) bậc hai (phương sai), thống kê bậc cao Như thấy sau, mơ hình ICA cần thống kê bậc cao thành phần độc lập để thựctuyến, ly (ướcdẫn lượng cácđộc thành phần độc  phi tínhphân phi Gauss đến lập thống kê lập) Như vậy,   1.4 Ước lượng ICA - Cực đại hóa tính phi Gauss (nongaussianity) - Ước lượng hợp lý cực đại (maximum likelihood) - Cực tiểu hố thơng tin tương hỗ (mutual information)… Ở mơ hình ICA vector ngẫu nhiên gồm biến ngẫu nhiên trộn tuyến tính vector biến ngẫu nhiên nguồn Các nguồn giả sử độc lập trộn lại (cộng nhau) trộn trở nên gần Gauss Nếu việc trộn đảo ngược lại theo cách tín hiệu nhận Gauss Do ước lượng ICA nhắm đến cực tiểu hóa tính Gauss tức cực đại hóa tính phi Gauss điều cho ta thành phần độc lập 22   2.1 Xây dựng mơ hình cICA Trong lần lặp, thay đổi hệ số nhân cho bởi: Và tốc độ học tập tập (Sử dụng ttrong rong học máy) Gradient cho sau: , đạo hàm đối Quy Quy tắc học tập giống Newton được đưa bởi: 23 2.2 Xây dựng mơ hình khởi tạo ma trận hủy trộn Chúng ta sử dụng giá trị độ sâu điểm đặc trưng mô   hình CANDIDE hỗn hợp Sau đó, kết hợp để tạo thành đầu vào thuật toán cICA Công thức: {           (  ) = =   =   là hỗn hợp chứa đủ thông tin độ sâu Theo giả thiết này, số lượng tín hiệu nguồn số lượng tín hiệu hỗn hợp Do đó, mơ hình cICA xây dựng trở thành tốn ICA bình thường khơng phải toán đầy đủ 24   2.2 Xây dựng mơ hình khởi tạo ma trận hủy trộn Thuật tốn cICA Vì mơ 3-D Trước chung,tiên, giá trị độ mơ phùhình hợp CANDIDE để lấy làm tín hiệuhình thammặt chiếu chúng tơisâu trừ giá trị trung bình , từ , tức là: vectơ x  p sao cho tất phần tử Sau đó, dấu hiệu sử dụng làm tín hiệu tham chiếu , tức sign (.) hàm dấu hiệu (hàm lẻ) 25   2.2 Xây dựng mơ hình khởi tạo ma trận hủy trộn Đánh giá Thuật tốn cICA Vị trí 22 điểm đặc trưng đánh dấu sở liệu   26 2.3 Tích hợp mơ hình cho nhiều hình ảnh khn mặt khơng nhìn trực diện Đối với hình ảnh khn mặt khơng trực diện, đặc điểm hình dạng kết hợp với để tạo thành đầu vào thuật tốn cICA cICA Sau Sau đó, tín hiệu độ sâu xác định thuật tốn cICA Giá trị trung bình tính sau: sử dụng làm tín hiệu hỗn hợp để thay 27   2.3 Tích hợp mơ hình cho nhiều hình ảnh khn mặt khơng nhìn trực diện Các bước cụ thể phương pháp đưa sau: - Bước 1: Đặt số lần lặp tối đa () - Bước Bước 2: Khởi tạo giá trị độ sâu thu tín hiệu tham chiếu cách sử dụng giá trị độ sâu 22 điểm đặc trưng cung cấp mơ hình CANDIDE - Bước 3: Đối với hình ảnh khn mặt đào tạo, đặc điểm đ iểm hình dạng điểm đặc trưng kết hợp để tạo thành đầu vào mơ hình cICA 28   2.3 Tích hợp mơ hình cho nhiều hình ảnh khn mặt khơng nhìn trực diện - Bước 4: + Tính tốn ma trận khơng trộn ban đầu theo nghịch đảo tổng quát Moore-Penrose + Cập nhật ma trận không trộn + Tính tốn giá trị độ sâu ước tính y cách sử dụng 29   2.3 Tích hợp mơ hình cho nhiều hình ảnh khn mặt khơng nhìn trực diện - Bước 5: Tính tốn giá trị trung bình tương ứng độ sâu điểm đặc trưng ước lượng cho tất hình ảnh đào tạo, sau thay Các bước 3-5 lặp lại số lần lặp đạt đến giá trị lớn xác định trước 30   2.4 Kết thực 31   Hệ số tương quan giá trị độ sâu thực giá trị ước lượng thu với hình ảnh khn mặt người khác cho FastICA, gICA, SM, cICA   FastICA glCA SM cICA PR _D 0,7776 0,6651 0,9312 0,8822 PR_SD 0,7657 0,6340 0,2270 0,8805 PR_SU 0,4807 0,6001 0,5665 0,8775 PR_U 0,7750 0,5583 0,7540 0,8758 YR_RW 0,7593 0,6414 0,6201 0,8789 0,7117±0,1293 0,6198±0,0415 0,6198±0,2608 0,8790±0,0025 32   Gía trị trung bình độ lệch chuẩn thu phương pháp hệ số lương lương quan 105 đối tượng   FastICA glCA SM cICA cICA_MI (Không lặp lại) clCA_MI 0,4965 0,4048 0,4920 0,8396 0,8376 0,8708 0,8375 0,2251 0,2006 0,2620 0,0631 0,0664 0,0599 0,0549 33   DEMO TRÊN MA MATLAB TLAB (DEMO ICA) MLE ICA DEPT D EPT ESTIMA ESTIMATION TION VIDEO 34   DEMO TRÊN MA MATLAB TLAB (DEMO ICA) DEPT DEP T ESTIMATION ESTIMATION VIDEO 35   DEMO TRÊN PYTHON (DEEP FACE) FACE) : Không gian chứa xung quanh ảnh (NEGA ( NEGATIVE TIVE SHAPE) 36   THANK YOU !!!! Họ tên: Ngô Trường Trường Sơn Cấp bậc: Đại úy Chức vụ: Học viên Đơn vị: Lớp Kỹ thuật điện tử ứng dụng ...  NỘI DUNG I NGHIÊN CỨU THUẬT TOÁN ICA (INDEPENDENT COMPONENT ANALYSIS) II ỨNG DỤNG CỦA ICA VÀO ƯỚC LƯỢNG ĐỘ SÂU ẢNH MẶT  NGƯỜI III DEMO   I NGHIÊN CỨU THUẬT TOÁN ICA (INDEPENDENT COMPONENT... ỨNG DỤNG CỦA ICA VÀO ƯỚC LƯỢNG ĐỘ SÂU ẢNH MẶT NGƯỜI Phiên thứ ba mơ hình CANDIDE, gọi CANDIDE-3, bao gồm 113 đỉnh 168 bề mặt tam giác, thể Hình Mỗi đỉnh biểu diễn tọa độ 3-D Xem xét giá trị độ. .. lớn xác định trước 30   2.4 Kết thực 31   Hệ số tương quan giá trị độ sâu thực giá trị ước lượng thu với hình ảnh khn mặt người khác cho FastICA, gICA, SM, cICA   FastICA glCA SM cICA PR _D 0,7776