Báo Cáo Đồ Án Cơ Sở 4 Đề Tài Xây Dựng Chương Trình Nhận Dạng Giới Tính Thông Qua Ảnh Khuôn Mặt.doc

BÁO CÁO HỌC PHẦN XỬ LÝ ẢNH NHẬN DẠNG KHUÔN MẶT NGƯỜI BÁO CÁO ĐỒ ÁN CƠ SỞ 4 ĐỀ TÀI XÂY DỰNG CHƯƠNG TRÌNH NHẬN DẠNG GIỚI TÍNH THÔNG QUA ẢNH KHUÔN MẶT LỜI MỞ ĐẦU Lời đầu tiên em xin chân thành cảm ơn đến[.]

BÁO CÁO ĐỒ ÁN CƠ SỞ ĐỀ TÀI: XÂY DỰNG CHƯƠNG TRÌNH NHẬN DẠNG GIỚI TÍNH THƠNG QUA ẢNH KHUÔN MẶT LỜI MỞ ĐẦU - Lời em xin chân thành cảm ơn đến thầy Nguyễn Quang Vũ giúp em nhiều trình thực đồ án Trong trình thực đồ án, giúp đỡ tận tình thầy em thu nhiều kiến thức quý báu giúp em nhiều trình học làm việc tương lai - Trong q trình thực đồ án khơng tránh khỏi số sai sót Mong nhận góp ý thầy để hồn thiện - Một lần em xin chân thành cảm ơn giúp đỡ thầy trình thực đồ án để em hoàn thành đồ án MỤC LỤC Chương GIỚI THIỆU .4 1.1 Tổng Quan: 1.1.1 Mở đầu 1.1.2 Mục tiêu chuyên đề 1.1.3 Đối tượng nghiên cứu 1.1.4 Phạm vi nghiên cứu .5 1.2 Phương pháp – kết .5 1.2.1 Phương pháp 1.2.2 Kết 1.3 Cấu Trúc đồ án: Chương CƠ SỞ LÝ THUYẾT 2.1 Tổng quan Deep Learning tốn nhận diện khn mặt thị giác máy tính 2.1.1 Tổng quan Deep Learning 2.1.2 Bài tốn nhận dạng khn mặt thị giác máy tính .13 2.2 Giới thiệu Convolutional Neural Network 15 2.2.1 Tổng quan 15 2.2.2 Kiến trúc CNN 15 2.3 Tổng quan Machine Learning .16 2.3.1 Machine Learning ? 16 2.3.2 Một vài ứng dụng Machine Learning 17 2.4 Thư viện Keras 18 2.5 Thư viện FaceNet .19 2.6 Thư viện Sklearn 20 Chương XÂY DỰNG ỨNG DỤNG 23 3.1 Yêu cầu hệ thống .23 3.1.1 Phần cứng 23 3.1.2 Môi trường thực 23 3.2 Các bước thực 23 3.2.1 Mô tả liệu .23 3.2.2 Lựa chọn model 23 3.2.3 Kết đạt 24 3.2.4 Tinh chỉnh tham số 24 3.2.5 Test 25 Chương KẾT LUẬN 26 4.1 Kết .26 4.2 Ưu điểm - nhược điểm 26 4.3 Hướng phát triển .26 TÀI LIỆU THAM KHẢO .27 DANH MỤC HÌNH ẢNH Hình 1.Deep Learning ? Hình 2.Cách thức hoạt động Deep Learning 10 Hình 3.Các thuật ngữ Deep Learning .11 Hình 4.Ứng dụng Deep Learning .14 Hình 5.Hệ thống nhận diện khn mặt 15 Hình 6.Kiến trúc CNN nhận diện hành động người .17 Hình 7.FaceNet lấy hình ảnh khn mặt làm đầu vào xuất vector embedding 20 Hình 8.Kết chương trình 28 Chương GIỚI THIỆU 1.1 Tổng Quan 1.1.1 Mở đầu Hiện nay, với phát triển xã hội, vấn đề an ninh bảo mật yêu cầu khắt khe quốc gia giới Các hệ thống nhận dạng người đời với độ tin cậy ngày cao Một toán nhận dạng người quan tâm nhận dạng khn mặt Vì nhận dạng khuôn mặt cách mà người sử dụng để phân biệt Bên cạnh đó, ngày việc thu thập, xử lý thông tin qua ảnh để nhận biết đối tượng quan tâm ứng dụng rộng rãi Với phương pháp này, thu nhận nhiều thông tin từ đối tượng mà không cần tác động nhiều đến đối tượng nghiên cứu Sự phát triển khoa học máy tính tạo mơi trường thuận lợi cho toán nhận dạng mặt người từ ảnh số Các hệ thống nhận dạng offline đời có độ tin cậy cao, nhiên hệ thống nhận dạng online lại chưa đáp ứng nhiều Trong khuôn khổ đồ án này, chúng em tiếp tục giải toán nhận dạng offline Trong đối tượng thu thập thành file liệu chuyển trung tâm Tại đó, số liệu phân tích xử lý Trong phần đầu, chúng em giải toán nhận dạng thông thường, phần hai phần nhận dạng giới tính 1.1.2 Mục tiêu đồ án Sử dụng thư viện Multi Task Convolutional Neural Network để trích xuất khuôn mặt từ ảnh đầu vào cho trước sau sử dụng pre-trained model FaceNet để giảm chiều liệu vector biểu diễn khuôn mặt trở thành vector 128 chiều áp dụng thuật toán Machine Learning để huấn luyện model sau lựa chọn model tốt  Input: Ảnh chụp mặt người  Output: Giới tính người 1.1.3 Đối tượng nghiên cứu - Ngơn ngữ Python - Tìm hiểu Machine Learning Deep Learning - Các thuật toán nhận diện - Nghiên cứu thư viện Multi Taks Convolutional Neural Network FaceNet 1.1.4 Phạm vi nghiên cứu - Xây dựng chương trình nhận dạng giới tính người sử dụng Machine Learning - Ứng dụng đề tài phục vụ cho việc nghiên cứu nhiều lĩnh vực 1.2 Phương pháp – kết 1.2.1 Phương pháp *Phương pháp chủ đạo - Phương pháp nghiên cứu lý thuyết: + Tìm hiểu tổng quan Machine Learning toán nhận diện khn mặt thị giác máy tính - + Tìm hiểu thư viện Multi Taks Convolutional Neural Network FaceNet + Tìm hiểu thư viện Keras số thư viện khác - Phương pháp nghiên cứu thực nghiệm: + Tiến hành phân tích cài đặt Python + Tiến hành training data cho máy học 1.2.2 Kết - Tạo chương trình nhận dạng giới tính thơng qua ảnh có sẵn thực hệ điều hành Window 1.3 Cấu Trúc đồ án Nội dung chuyên đề chia thành phần sau: Chương 1: Giới thiệu: Chương trình bày cách tổng quan mục tiêu, đối tượng phạm vi nghiên cứu, hướng tiếp cận để giải tốn nhận dạng kết dự tính Chương 2: Cơ sở lý thuyết: Tìm hiểu phương pháp máy học tìm hiểu thư viện, ứng dụng Machine Learning tốn nhận diện khn mặt Chương 3: Xây dựng ứng dụng: Trên sở thư viện mã nguồn mở xây dựng chương trình nhận diện giới tính người qua ảnh có sẵn, với phân tích chương trình Chương 4: Kết luận hướng phát triển: Đánh giá kết hướng phát triển nghiên cứu Chương CƠ SỞ LÝ THUYẾT 2.1 Tổng quan Deep Learning tốn nhận diện khn mặt thị giác máy tính 2.1.1 Tổng quan Deep Learning 2.1.1.1 Deep Learning gì? Deep Learning tập hợp Trí tuệ nhân tạo – kỹ thuật học máy dạy cho máy tính thiết bị hoạt động cách logic Tại lại đặt tên Deep Learning? Bởi thực tế liên quan đến việc sâu vào số lớp mạng, bao gồm lớp ẩn Bạn học sâu, bạn trích xuất thơng tin phức tạp Phương pháp Deep learning dựa vào chương trình phức tạp khác để bắt chước trí thơng minh người Phương pháp đặc biệt dạy cho máy móc nhận biết họa tiết để phân loại chúng thành loại khác Nhận dạng mẫu phần thiết yếu Deep learning nhờ Machine learning, máy tính chí khơng cần phụ thuộc vào lập trình mở rộng Thơng qua Deep learning, máy móc sử dụng tệp hình ảnh, văn âm để xác định thực tác vụ theo cách giống người Hình 1.Deep Learning ? 2.1.1.2 Tầm quan trọng Deep Learning Có thể thấy Deep Learning ngày phổ biến thời gian gần Nó đóng góp nhiều vào việc làm cho sống hàng ngày thuận tiện hơn, xu hướng phát triển tương lai Cho dù cơng nghệ hỗ trợ đỗ xe tự động nhận diện khuôn mặt sân bay, Deep learning thúc đẩy nhiều cho tự động hóa giới ngày Tuy nhiên, liên quan Deep learning liên kết hầu hết với thực tế giới tạo lượng liệu theo cấp số nhân ngày nay, điều đỏi hỏi nhu cầu cấu trúc quy mô lớn Deep learning sử dụng khối lượng liệu ngày tăng tính sẵn có liệu hợp lý Tất thông tin thu thập từ liệu sử dụng để đạt kết xác thơng qua mơ hình học tập lặp Việc phân tích lặp lặp lại liệu lớn xóa bỏ lỗi khác biệt trình tìm kiếm mà cuối dẫn đến kết luận đáng tin cậy Deep learning tiếp tục tạo tác động kinh doanh cá nhân tạo nhiều hội việc làm thời gian tới Chập hình ảnh đầu vào với lọc huấn luyện khác bias bổ sung, nhiều đồ đặc trưng tạo lớp C1 Mỗi đồ đặc trưng S2 thu thao tác tổng hợp đồ đặc trưng tương ứng lớp C1 Chập tổng hợp cực đại lớp C3 S4 giống lớp C1 S2 Trong bước nhận diện cuối cùng, đặc trưng thu sau tổng hợp cực đại lớp S4 mã hóa thành vector chiều 2.3 Tổng quan Machine Learning 2.3.1 Machine Learning ? Machine Learning thuật ngữ rộng để hành động bạn dạy máy tính cải thiện nhiệm vụ mà thực Cụ thể hơn, machine learning đề cập tới hệ thống mà hiệu suất máy tính thực nhiệm vụ trở nên tốt sau hồn thành nhiệm vụ nhiều lần Hay nói cách khác, khả machine learning sử dụng thuật tốn để phân tích thơng tin có sẵn, học hỏi từ đưa định dự đoán thứ có liên quan Thay tạo phần mềm với hành động, hướng dẫn chi tiết để thực nhiệm vụ cụ thể, máy tính “huấn luyện” cách sử dụng lượng liệu thuật toán để học cách thực nhiệm vụ Có loại Máy học bao gồm học có giám sát (supervised learning) học khơng giám sát (unsupervised learning) - Học có giám sát - đó, thuật toán tạo hàm ánh xạ liệu vào tới kết mong muốn Một phát biểu chuẩn việc học có giám sát tốn phân loại: chương trình cần học (cách xấp xỉ biểu của) hàm ánh xạ vector tới vài lớp cách xem xét số mẫu liệu – kết hàm - Học khơng giám sát - mơ hình hóa tập liệu, khơng có sẵn ví dụ gắn nhãn 18 2.3.2 Một vài ứng dụng Machine Learning - Cảnh báo giao thơng: Giờ đây, Google Maps có lẽ ứng dụng sử dụng với tần suất nhiều bạn tham gia giao thông Đặc biệt ứng dụng khác di chuyển Grab, Be áp dụng rộng rãi, đồng nghĩa Google Maps sử dụng liên tục để đường cho nhà cung cấp dịch vụ hay người sử dụng dịch vụ Những thông tin quãng đường tối ưu, thời gian di chuyển nhanh phân tích lúc Google Maps Dữ liệu lịch sử tuyến đường thu thập theo thời gian số liệu có từ nguồn khác Mọi người sử dụng đồ cung cấp vị trí, tốc độ trung bình, tuyến đường Những thơng tin Google thu thập tổng hợp thành Dữ liệu lớn lưu lượng truy cập, thơng qua thuật tốn phân tích phức tap Machine Learning, thơng tin trở nên có nghĩa, chúng giúp Google dự đốn lưu lượng tới điều chỉnh tuyến đường bạn theo cách tối ưu - Mạng xã hội Facebook: Một ứng dụng phổ biến Machine Learning Đề xuất gắn thẻ bạn bè tự động Facebook tảng truyền thông xã hội khác Facebook sử dụng tính nhận diện khn mặt nhận dạng hình ảnh để tự động tìm thấy khn mặt người phù hợp với Cơ sở liệu họ đề nghị người dùng gắn thẻ người dựa DeepFace - Trợ lý cá nhân ảo:Trợ lý cá nhân ảo hỗ trợ tìm kiếm thơng tin hữu ích, u cầu qua văn giọng nói Một số ứng dụng Machine Learning là:  Nhận dạng giọng nói  Chuyển đổi lời nói thành văn  Xử lý ngôn ngữ tự nhiên  Chuyển đổi văn thành giọng nói Tất bạn cần làm hỏi câu hỏi đơn giản Lịch trình tơi vào ngày mai gì? chuyến bay có sẵn tới cho chuyến công tác 19