1. Trang chủ
  2. » Giáo án - Bài giảng

Face dectection document

25 149 0

Đang tải... (xem toàn văn)

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

THÔNG TIN TÀI LIỆU

Cấu trúc

  • Slide 1

  • NỘI DUNG

  • GIỚI THIỆU

  • GIỚI THIỆU

  • GIỚI THIỆU

  • GIỚI THIỆU

  • CÁC HƯỚNG TiẾP CẬN

  • CÁC HƯỚNG TiẾP CẬN

  • CÁC HƯỚNG TiẾP CẬN

  • CÁC HƯỚNG TiẾP CẬN

  • CÁC HƯỚNG TIẾP CẬN

  • CÁC HƯỚNG TiẾP CẬN

  • CÁC HƯỚNG TiẾP CẬN

  • CÁC HƯỚNG TiẾP CẬN

  • CÁC HƯỚNG TiẾP CẬN

  • CÁC HƯỚNG TiẾP CẬN

  • CÁC HƯỚNG TiẾP CẬN

  • MÔ HÌNH ĐỀ XUẤT

  • MÔ HÌNH ĐỀ XUẤT

  • MÔ HÌNH ĐỀ XUẤT

  • MÔ HÌNH ĐỀ XUẤT

  • ĐÁNH GIÁ

  • HƯỚNG PHÁT TRIỂN

  • Slide 24

  • Slide 25

Nội dung

LOGO Face Dectection D Ò T Ì M K H U Ô N M Ặ T Nhóm 2: Lê Quốc Nam Nguyễn Phan Minh Phúc Nguyễn Vũ Đức Bùi Thành Trung LOGO NỘI DUNG Giới thiệu bài toán Các hướng tiếp cận Mô hình đề xuất Kết quả và đánh giá Demo LOGO GIỚI THIỆU  Bài toán dò tìm, phát hiện khuôn mặt người trong ảnh LOGO GIỚI THIỆU  Bài toán dò tìm, phát hiện khuôn mặt người trong ảnh LOGO GIỚI THIỆU  Thách thức Ánh sáng, bị che, cảm xúc đặc biệt, trông giống mặt LOGO GIỚI THIỆU  Mục tiêu - Tăng tỉ lệ phát hiện đúng (tăng hit, giảm miss) - Giảm tỉ lệ phát hiện sai (giảm false-alarm) LOGO CÁC HƯỚNG TiẾP CẬN  Appearance Based  Color Based  Motion Based  Learning Based LOGO CÁC HƯỚNG TiẾP CẬN  Learning Based  Phương pháp cửa sổ dò tìm (sub window) LOGO CÁC HƯỚNG TiẾP CẬN  Learning Based  Mạng nơron nhân tạo (Artificial Neural Network)  Phương pháp Adaboost 20 x 20 Đúng / Sai LOGO CÁC HƯỚNG TiẾP CẬN  Adaboost  Đặc trưng Haar-like [...]... toàn hệ thống LOGO MÔ HÌNH ĐỀ XUẤT  Nhận xét  Bộ phân lớp CBC • Ưu điểm: loại bỏ non -face rất nhanh • Khuyết điểm: càng về sau càng cần nhiều bộ phân lớp mạnh hơn, nhiều đặc trưng Haar-like hơn, nên chậm hơn  Mạng nơron nhân tạo • Ưu điểm: chính xác • Khuyết điểm: chi phí xử lý cao như nhau đối với face và non -face Nếu muốn tăng độ chính xác, cần thêm nhiều nút ẩn, dẫn đến tốc độ xử lý chậm LOGO... Mô hình CBC + ANN  Hậu xử lý: Khử các kết quả trùng lắp LOGO ĐÁNH GIÁ  Với một tỉ lệ phát hiện đúng xác định trước, mô hình CBC + ANN chạy nhanh hơn LOGO HƯỚNG PHÁT TRIỂN   Khử mặt nghiêng > 30 0 Face Alignment LOGO Demo LOGO Hỏi đáp LOGO . LOGO Face Dectection D Ò T Ì M K H U Ô N M Ặ T Nhóm 2: Lê Quốc Nam Nguyễn Phan Minh Phúc Nguyễn Vũ Đức Bùi. hơn.  Mạng nơron nhân tạo • Ưu điểm: chính xác • Khuyết điểm: chi phí xử lý cao như nhau đối với face và non -face. Nếu muốn tăng độ chính xác, cần thêm nhiều nút ẩn, dẫn đến tốc độ xử lý chậm. LOGO MÔ. sai của toàn hệ thống. LOGO MÔ HÌNH ĐỀ XUẤT  Nhận xét  Bộ phân lớp CBC • Ưu điểm: loại bỏ non -face rất nhanh • Khuyết điểm: càng về sau càng cần nhiều bộ phân lớp mạnh hơn, nhiều đặc trưng Haar-like

Ngày đăng: 26/01/2015, 19:31

w