Báo Cáo xây dựng hệ thống chấm công nhận diện bằng khuôn mặt

Báo Cáo xây dựng hệ thống chấm công nhận diện bằng khuôn mặt

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG VIỆT - HÀN KHOA KHOA HỌC MÁY TÍNH - - BÁO CÁO ĐỒ ÁN ĐỀ TÀI: XÂY DỰNG HỆ THỐNG CHẤM CÔNG VÀ ĐIỂM DANH NHẬN DIỆN BẰNG KHUÔN MẶT Sinh viên thực : Lớp: GVHD: Nguyễn Duy Sỹ Nguyễn Thị Nguyệt Minh 18IT5 + 18IT2 TS Nguyễn Quang Vũ Đà Nẵng, tháng 06 năm 2021 TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THƠNG VIỆT - HÀN KHOA KHOA HỌC MÁY TÍNH - - BÁO CÁO ĐỒ ÁN ĐỀ TÀI: XÂY DỰNG HỆ THỐNG CHẤM CÔNG VÀ ĐIỂM DANH NHẬN DIỆN BẰNG KHUÔN MẶT Sinh viên thực : Lớp GVHD : : Nguyễn Duy Sỹ Nguyễn Thị Nguyệt Minh 18IT5 + 18IT2 TS Nguyễn Quang Vũ Đà Nẵng, tháng 06 năm 2021 MỤC LỤC MỤC LỤC MỤC LỤC HÌNH ẢNH LỜI CẢM ƠN LỜI NÓI ĐẦU .7 CHƯƠNG TỔNG QUAN VỀ ĐỀ TÀI .8 1.1 Giới thiệu đề tài 1.2 Lý chọn đề tài .8 1.3 Mục đích đề tài 1.4 Vấn đề cần giải 1.5 Đề xuất nội dung thực 1.6 Tổng quan xử lý ảnh 10 1.6.1 Xử lý ảnh gì? 10 1.6.2 Các trình xử lý ảnh 10 1.6.3 Những vấn đề hệ thống xử lý ảnh 12 1.7 Giới thiệu python 15 1.8 Giới thiệu thư viện 16 1.8.1 Tổ chức thư viện OpenCV 17 1.8.2 Hàm cho số chức cụ thể 18 CHƯƠNG TÌM HIỂU VÀ PHÂN TÍCH CÁC THUẬT TỐN FACENET TRONG KERAS 20 2.1 Hệ thống nhận diện khuôn mặt 20 2.1.1 Các ứng dụng phổ biến 20 2.1.2 Các loại hệ thống xác thực 20 2.1.3 Các phương pháp xác thực khuôn mặt 20 2.2 Các toán khác face 22 2.3 Thuật toán Facenet 23 2.3.1 Khái quát thuật toán 23 2.3.2 Triple loss .24 2.3.3 Lựa chọn triple image input 26 2.3.4 Các pretrain model Facenet 27 2.3.5 Một số liệu public face 27 2.4 Tổng quan Keras 27 2.4.1 Đặc trưng Keras .27 2.4.2 Lợi ích 28 CHƯƠNG TRIỂN KHAI VÀ ĐEMO SẢN PHẨM 29 3.1 Cài đặt môi trường 29 3.1.1 Python Visual studio 29 3.2 Kết thực 30 CHƯƠNG IV ĐÁNH GIÁ KẾT QUẢ ĐẠT ĐƯỢC VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 35 4.1 Đánh giá kết đạt được: .35 4.2 Hướng phát triển đề tài: 36 KẾT LUẬN 37 TÀI LIỆU THAM KHẢO 38 MỤC LỤC HÌNH ẢNH NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN ………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… …………………………………………………………………………………… Chữ ký giảng viên hướng dẫn ……………………………… LỜI CẢM ƠN Trên thực tế khơng có sự thành cơng mà khơng gắn liền với sự hỗ trợ, giúp đỡ dù hay nhiều, dù trực tiếp hay gián tiếp người khác Trong suốt quãng thời gian từ bắt đầu học tập giảng đường Trường Đại học Công nghệ thông tin Truyền thông Việt Hàn - Đại học Đà Nẵng, nhận nhiều sự quan tâm, giúp đỡ thầy cô bạn Với lịng biết ơn sâu sắc nhất, nhóm chúng tơi xin gửi lời cảm ơn chân thành tới tồn thể thầy cô giáo khoa Công nghệ thông tin truyền thông Đại học Việt Hàn, người dạy dỗ truyền đạt vốn kiến thức vô q báu cho chúng tơi suốt quãng thời gian học Những tình cảm kiến thức mà thầy cô gửi trao cho hành trang cho để bước đoạn đường tương lai Nhóm chúng tơi xin gửi lời cảm ơn sâu sắc tới Thầy Nguyễn Quang Vũ, người tận tình hỗ trợ dẫn dắt nhóm chúng tơi suốt q trình thực đồ án để có kết cách tốt Một lần nhóm chúng tơi xin chân thành cảm ơn! LỜI NĨI ĐẦU Trí tuệ nhân tạo (AI) xu hướng phát triển có nhiều tiềm lĩnh vực công nghệ thông tin, nắm giữ vai trị chủ đạo dịng chảy cơng nghệ đại với nhiều ứng dụng lĩnh vực đời sống xã hội trợ lí ảo, nhà thông minh, xe tự lái, hệ thống nhận diện,… Nhận diện khuôn mặt một lĩnh vực nghiên cứu ngành thị giác máy tính, xem lĩnh vực nghiên cứu ngành sinh trắc học tương tự nhận dạng vân tay, hay nhận dạng mống mắt Nhận dạng hay nhận biết khả người loài vật, theo cách loài vật qua cảm nhận từ quan mắt, mũi, miệng, hành động nhìn nghe ngửi… cảm nhận đối tượng tiếp xúc với quen hay lạ Chính vậy, nói thể lồi vật hệ thống nhận dạng tối ưu Với sự phát triển khoa học cơng nghệ đặc biệt khoa học robot ngày mong ước tạo nhận dạng máy học có khả tương tự vượt trội hệ thống nhận dạng sinh học khát khao cháy bỏng nhà khoa học Một hệ thống nhân dạng đối tượng hệ thống nhận vào ảnh đoạn video (một chuỗi ảnh) Qua xử lý tính tốn hệ thống xác định vị trí đối tượng ảnh (nếu có) đối tượng số đối tượng hệ thống biết (qua trình học) đối tượng mới Yêu cầu đặt đối với hệ thống nhận dạng đối tượng độ xác cao, hệ thống địi hỏi phải có đặc trưng tốt Hệ thống phải chọn đặc trưng để biểu diễn tốt thông tin đối tượng cần nhận dạng Đồng thời đặc trưng phải tính tốn nhanh để khơng làm chậm q trình nhận dạng Thêm vào hệ thống phải có phương pháp học hiệu quả, có khả nhận biết mẫu mới không làm tốt mẫu học Đồ án môn học gồm chương: Chương 1: Tổng quan đề tài Chương 2: Cơ sở lý thuyết Chương 3: Phân tích Chương 4: Đánh giá kết đạt hướng phát triển CHƯƠNG TỔNG QUAN VỀ ĐỀ TÀI 1.1 Giới thiệu đề tài Ngày nay, với tiến vượt bậc khoa học kỹ thuật nói chung, mơn khoa học xử lý ảnh thu thành tựu lớn lao chứng tỏ vai trị khơng thể thiếu với ứng dụng sâu rộng khoa học kỹ thuật đời sống xã hội Một phận khoa học xử lý ảnh lĩnh vực thị giác máy tính thu hút nhiều sự quan tâm nhà nghiên cứu xử lý ảnh với mục tiêu xây dựng nên giới hệ thống thị giác kỳ diệu người mơ hệ thống máy tính, đem lại khả cảm nhận thị giác cho hệ thống môi trường xung quanh Mơ ước hệ thống máy tính hồ nhập vào giới người với đầy đủ giác quan thị giác đóng vai trị quan trọng thực hố với đóng góp nghiên cứu nhà khoa học phạm vi toàn giới Đồng thời việc phát triển thiết bị phần cứng phƣơng diện thu nhận, hiển thị, tốc độ xử lý mở nhiều hướng mới cho cơng nghệ xử lý ảnh Nó giải toán giám sát tự động phục vụ quan, ngân hàng, kho bạc, việc giám sát giao thông tự động, phục vụ bãi đỗ xe, trạm thu phí tự động việc phát nhận dạng mặt người phục vụ công tác quân sự, an ninh 1.2 Lý chọn đề tài Với sự phát triển không ngừng khoa học công nghệ, đặc biệt với điện thoại thông minh (smartphone) ngày đại sử dụng phổ biến đời sống người làm cho lượng thông tin thu hình ảnh ngày tăng Theo đó, lĩnh vực xử lý ảnh trọng phát triển, ứng dụng rộng rãi đời sống xã hội đại Không dừng lại việc chỉnh sửa, tăng chất lượng hình ảnh mà với cơng nghệ xử lý ảnh giải toán nhận dạng chữ viết, nhận dạng dấu vân tay, nhận dạng khuôn mặt Một toán nhiều người quan tâm lĩnh vực xử lý ảnh nhận dạng khn mặt (Face Recognition) Như biết, khuôn mặt đóng vai trị quan trọng q trình giao tiếp người với người, nóng lượng thơng tin giàu có, chẳng hạn từ khn mặt xác định giới tính, tuổi tác, chủng tộc, trạng thái cảm xúc, đặc biệt xác định mối quan hệ với đối tượng (có quen biết hay khơng).Do đó,bài tốn nhận dạng khn mặt đóng vai trị quan trọng nhiều lĩnh vực đời sống ngày người hệ thống giám sát, quản lý vào ra, tìm kiếm thơng tin người tiếng, đặc biệt an ninh, bảo mật Có nhiều phương pháp nhận dạng khuôn mặt để nâng cao hiệu suất nhiên dù hay nhiều phương pháp vấp phải thử thách độ sáng, hướng nghiêng, kích thước ảnh, hay ảnh hưởng tham số mơi trường 1.3 Mục đích đề tài − Xây dựng phần mềm ứng dụng nhận diện khuôn mặt − Tìm hiểu số thư viện opencv, phần mềm visual studio code − Tìm hiểu phương pháp nhận diện khn mặt( Face Detection) − Tìm hiểu phương pháp xử lý ảnh 1.4 Vấn đề cần giải Hệ thống nhận dạng khuôn mặt ứng dụng máy tính tự động xác định nhận dạng người từ hình ảnh kỹ thuật số khung hình video từ nguồn video Một cách để thực điều so sánh đặc điểm khuôn mặt chọn trước từ hình ảnh sở liệu khuôn mặt Hệ thống thường sử dụng hệ thống an ninh so sánh với dạng sinh trắc học khác hệ thống nhận dạng vân tay hay tròng mắt Từ thu thập, phân tích tài liệu nhận dạng khn mặt, tìm hiểu phương pháp nhận dạng khuôn mặt, nghiên cứu công cụ xây dựng hệ thống 1.5 Đề xuất nội dung thực hiện Hình 1 Nhận diện đặc điểm khn mặt Đối với đề tài Tìm hiểu, nghiên cứu thực xây dựng hệ thống nhận diện gương mặt Việc hệ thống nhận dạng xác việc quan trọng Đối với đề tài này, chúng em thực xây dựng hệ thống nhận diện gương mặt sử dụng Deep learning với khả “Nhận dạng gương mặt nhanh chóng xác” Với hệ thống này, chúng em sử dụng thư viện cung cấp PIP python sử dụng Visual Studio Code để lập trình 1.6 Tổng quan xử lý ảnh 1.6.1 Xử lý ảnh là gì? Xử lý ảnh (XLA) đối tượng nghiên cứu lĩnh vực thị giác máy, trình biến đổi từ ảnh ban đầu sang ảnh mới với đặc tính tuân theo ý muốn người sử dụng Xử lý ảnh gồm q trình phân tích, phân lớp đối tượng, làm tăng chất lượng, phân đoạn tách cạnh, gán nhãn cho vùng hay trình biên dịch thơng tin hình ảnh ảnh Cũng xử lý liệu đồ hoạ, xử lý ảnh số lĩnh vực tin học ứng dụng Xử lý liệu đồ họa đề cập đến ảnh nhân tạo, ảnh xem xét cấu trúc liệu tạo chương trình Xử lý ảnh số bao gồm phương pháp kỹ thuật biến đổi, để truyền tải mã hoá ảnh tự nhiên Mục đích xử lý ảnh gồm: − Biến đổi ảnh làm tăng chất lượng ảnh − Tự động nhận dạng ảnh, đoán nhận ảnh, đánh giá nội dung ảnh − Nhận biết đánh giá nội dung ảnh sự phân tích hình ảnh thành phần có ý nghĩa để phân biệt đối tượng với đối tượng khác, dựa vào ta mơ tả cấu trúc hình ảnh ban đầu Có thể liệt kê số phương pháp nhận dạng nhận dạng ảnh đối tượng ảnh, tách cạnh, phân đoạn hình ảnh,… − Kỹ thuật dùng nhiều y học (xử lý tế bào, nhiễm sắc thể), nhận dạng chữ văn 1.6.2 Các trình xử lý ảnh Hình Q trình xử lý ảnh khơng học lúc sự giống khác lượt huấn luyện Facenet giải vấn đề hiệu chỉnh nhỏ mang lại hiệu lớn: • Base network áp dụng mạng convolutional neural network giảm chiều liệu xuống cịn 128 chiều Do q trình suy diễn dự báo nhanh đồng thời độ xác đảm bảo • Sử dụng loss function hàm triplot loss có khả học đồng thời sự giống ảnh nhóm phân biệt ảnh khơng nhóm Do hiệu nhiều so với phương pháp trước 2.3.2 Triple loss Trong facenet, trình encoding mạng convolutional neural network giúp ta mã hóa ảnh 128 chiều Sau véc tơ làm đầu vào cho hàm loss function đánh giá khoảng cách véc tơ Để áp dụng triple loss, cần lấy ảnh có ảnh anchor Trong ảnh ảnh anchor cố định trước Chúng ta lựa chọn ảnh lại cho ảnh negative (của người khác với anchor) ảnh positive (cùng người với Hình Triple loss anchor) Kí hiệu ảnh Anchor, Positive, Negative lần lược A, P, N Mục tiêu hàm loss function tối thiểu hóa khoảng cách ảnh chúng negative tối đa hóa khoảng cách chúng positive Như cần lựa chọn ảnh cho: • Ảnh Anchor Positive khác nhất: cần lựa chọn để khoảng cách lớn Điều tương tự bạn lựa chọn ảnh hồi nhỏ so với để thuật tốn học khó Nhưng nhận biết thơng minh • Ảnh Anchor Negative giống nhất: cần lựa chọn để khoảng cách nhỏ Điều tương tự việc thuật toán phân biệt ảnh người anh em giống bạn với bạn Triplot loss function lấy ảnh làm input trường hợp ta kì vọng: d(A,PB) < d(A,N) (1) Để làm cho khoảng cách vế trái vế phải lớn hơn, cộng thêm vào vế trái hệ số khơng âm nhỏ Khi (1) trở thành: Như hàm loss function là: Trong n số lượng hình ảnh đưa vào huấn luyện Sẽ không ảnh hưởng ta nhận diện ảnh Negative Positive cặp hay khác cặp với Anchor Mục tiêu giảm thiểu trường hợp hợp mơ hình nhận diện sai ảnh Negative thành Postive Do để loại bỏ ảnh hưởng trường hợp nhận diện Negative Positive lên hàm loss function Ta điều chỉnh giá trị đóng góp vào hàm loss function Tức nếu: điều chỉnh Khi hàm loss function trở thành: Như áp dụng Triple loss vào mơ hình convolutional neural network tạo biểu diễn véc tơ tốt cho ảnh Những biểu diễn véc tơ phân biệt tốt ảnh Negative giống ảnh Positive Và đồng thời ảnh thuộc label trở nên gần không gian chiếu euclidean Một ý quan trọng huấn luyện mơ hình siam network với triplot function ln phải xác định trước cặp ảnh (A, P) thuộc người Ảnh (N) lựa chọn ngẫu nhiên từ ảnh thuộc nhãn cịn lại Do cần thu thập ảnh/1 người để chuẩn bị liệu huấn luyện 2.3.3 Lựa chọn triple image input Nếu lựa chọn triple input cách ngẫu nhiên ảnh khiến cho bất đẳng thức (1) dễ dàng xảy ảnh ngẫu nhiên, khả giống ảnh khó Hầu hết trường hợp thỏa mãn bất đẳng thức (1) không gây ảnh hưởng đến giá trị loss function giá trị chúng set Như việc học ảnh Negative q khác biệt với Anchor khơng có nhiều ý nghĩa Để mơ hình khó học đồng thời giúp mơ hình phân biệt chuẩn xác mức độ giống khác khuôn mặt, cần lựa chọn input theo khó học (hard triplets) Ý tưởng cần tìm ba (A,N,P B) cho (1) gần đạt đẳng thức (xảy dấu =) Tức d(A,P) lớn d(A,N) nhỏ Hay nói cách khác với Anchor A cần xác định: Hard Positive: Bức ảnh Positive có khoảng cách xa với Anchor tương ứng với nghiệm: Hard Negative: Bức ảnh Negative có khoảng cách gần với Anchor tương ứng với nghiệm: Với i,j nhãn người ảnh Việc tính tốn trường hợp Hard Positive Hard Negative thực offline lưu vào checkpoint tính tốn online mini-batch Chiến lược lựa chọn Triple images có ảnh hưởng lớn tới chất lượng mơ hình Facenet Nếu lựa chọn Triplet images tốt, Facenet hội tụ nhanh đồng thời kết dự báo chuẩn xác Lựa chọn ngẫu nhiên dễ dẫn tới thuật toán không hội tụ 2.3.4 Các pretrain model Facenet Hầu hết xây dựng thuật toán nhận diện khn mặt khơng cần phải train lại mơ hình facenet mà tận dụng lại mơ hình pretrain sẵn có Bạn khơng cần phải tốn thời gian cơng sức khơng có đủ tài ngun liệu Đó lý tơi cho việc xây dựng mơ hình nhận diện khn mặt thời điểm dễ dàng Những mơ hình pretrain huấn luyện liệu lên tới hàng triệu ảnh Do có khả mã hóa tốt ảnh không gian 128 chiều Việc cịn lại sử dụng lại mơ hình, tính tốn embedding véc tơ huấn luyện embedding véc tơ classifier đơn giản để phân loại classes 2.3.5 Một số liệu public face CASIA-WebFace: Bộ liệu bao gồm gần 500k ảnh thu thập từ khoảng 10k người VGGFace2: Bộ liệu gồm khoảng triệu ảnh thu thập từ gần 9k người Trên liệu face phổ biến nhất, sử dụng nhiều báo nghiên cứu face recognition Các liệu từ Trung Quốc tốt Những liệu Baidu public để hỗ trợ nhà nghiên cứu: baidu dataset Ngồi bạn tìm kiếm liệu từ google, facebook, flickr phòng lab liệt kê top 15 free image datasets for facial recognition 2.4 Tổng quan Keras Keras chạy thư viện máy mã nguồn mở TensorFlow, Theano Bộ công cụ nhận thức (CNTK) Theano thư viện python sử dụng cho tác vụ tính tốn số nhanh TensorFlow thư viện toán học biểu tượng tiếng sử dụng để tạo mạng nơ-ron mơ hình học sâu TensorFlow linh hoạt lợi ích tính toán phân tán CNTK khung học sâu phát triển Microsoft Nó sử dụng thư viện Python, C #, C ++ công cụ học máy độc lập Theano TensorFlow thư viện mạnh khó hiểu để tạo mạng nơ-ron Keras dựa cấu trúc tối thiểu, cung cấp cách dễ dàng dễ dàng để tạo mô hình học sâu dựa TensorFlow Theano Keras thiết kế để xác định nhanh mơ hình học sâu Chà, Keras lựa chọn tối ưu cho ứng dụng học sâu 2.4.1 Đặc trưng Keras Keras tận dụng kỹ thuật tối ưu hóa khác để làm cho API mạng thần kinh cấp cao dễ dàng hiệu Nó hỗ trợ tính sau • API qn, đơn giản mở rộng • Cấu trúc tối thiểu - dễ dàng đạt kết mà không cần rườm rà • Hỗ trợ nhiều tảng backend • Thân thiện với người dùng chạy CPU GPU • Khả mở rộng tính tốn cao 2.4.2 Lợi ích Keras động , mạnh mẽ có ưu điểm sau • Cộng động lớn hỗ trợ • Dễ dàng để kiểm tra • Mạng nơ-ron Keras viết Python giúp thứ đơn giản • Keras hỗ trợ mạng convolution recurrent • Mơ hình học sâu thành phần rời rạc, đó, bạn kết hợp thành nhiều cách CHƯƠNG TRIỂN KHAI VÀ ĐEMO SẢN PHẨM 3.1 Cài đặt môi trường 3.1.1 Python Visual studio Đầu tiên cần cài đặt python 3.7.2, phiên ổn định python phát hành vào ngày 24/12/2018(Dec 24, 2018) Hình Cài đặt python Tiếp theo Visual Studio 2019 Hình Cài đặt Visual Studio Code • Cụ thể cần tính development with C++ Visual Studio Hình 3 Cài đặt development with C++ Sau cài đặt xong môi trường tiến hành cài đặt thư viện cần sử dụng (với lệnh pip python) o Cmake o Dlib o Face_recognition o Numpy o Opencv-python 3.2 Kết thực hiện Hình Xác nhận điểm danh Hình Lấy mẫu nhận diện Hình Thêm User Hình Danh sách điểm danh Hình Danh sách User CHƯƠNG IV ĐÁNH GIÁ KẾT QUẢ ĐẠT ĐƯỢC VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 4.1 Đánh giá kết đạt được: Do trình độ có hạn thời gian đầu tư cho đề tài chưa nhiều nên đề tài đạt kết sau: - Trình bày báo cáo cách khoa học có hệ thống kiến thức hiểu biết thân, có tham khảo tài liệu vấn đề có liên quan đến nội dung tìm hiểu, nghiên cứu - Trong thời gian làm đồ án đề tài hoàn thiện thêm kiến thức học trường suốt học kì - Tăng khả tư logic, nghiên cứu độc lập vấn đề mà trước chúng em không quan tâm - Trau dồi kinh nghiệm quý giá trình thiết kế, làm quen sử dụng mơ hình mạng - Tạo ứng dụng nhận diện khuôn mặt * Nhận xét báo cáo + Ưu điểm: • Đã cố gắng trình bày báo cáo cách khoa học có hệ thống kiến thức hiểu biết thân, có tham khảo tài liệu vấn đề có liên quan đến nội dung tìm hiểu, nghiên cứu • Cố gắng bám sát đề cương làm theo sự hướng dẫn TsS Nguyễn Quang Vũ báo cáo làm thời gian ngắn nên khơng thể tránh khỏi sai sót, mong sự đóng góp ý kiến thầy để báo cáo hồn thiện + Nhược điểm: • Chưa thử nghiệm mạng diện rộng • Chưa thử nghiệm hệ điều hành khác • Báo cáo chưa giải trọn vẹn vấn đề phát sinh trình xử lý • Bài báo cáo chưa đạt tính thẩm mỹ cao, phong cách hành văn lủng củng, cịn nhiều vấn đề chưa xác cần khắc phục trình phát triển, nâng cấp phần mềm giai đoạn sau * Thu hoạch cho thân - Về nhận thức: Trong thời gian làm đồ án đề tài hoàn thiện thêm kiến thức học trường suốt học kì Báo cáo giúp chúng em tăng khả tư logic, nghiên cứu độc lập vấn đề mà trước chúng em không quan tâm - Trau dồi kinh nghiệm quý giá trình thiết kế, làm quen sử dụng mơ hình mạng 4.2 Hướng phát triển đề tài: Đây tốn có nhiều tiềm trình hội nhập, để phát triển thành hệ thống hồn chỉnh đưa ứng dụng vào thực tế cách rộng rãi chương trình cần: • Cải tiến, hồn thiện số chức chưa hồn chỉnh chương trình dùng MySQL • Nâng cấp hệ thống để áp dụng mạng diện rộng nhiều hệ điều hành khác • Thiết kế giao diện chương trình mang tính chun nghiệp • Phần mềm ứng dụng áp dụng cho hầu hết doanh nghiệp không doanh nghiệp vừa nhỏ KẾT LUẬN Với kiến thức học trường, tham khảo tài liệu chuyên ngành với sự nỗ lực thân sự giúp đỡ, hướng dẫn nhiệt tình TS Nguyễn Quang Vũ, chúng em tìm hiểu xây dựng hệ thống chấm công điểm danh nhận diện khuôn mặt Chương trình chưa phải sản phẩm phần mềm hồn hảo góp phần thể hướng nghiên cứu mới cho ngành công nghệ thông tin Rất mong nhận đánh giá, góp ý q thầy giáo bạn để chương trình ngày hoàn thiện Một lần chúng em xin chân thành cảm ơn! TÀI LIỆU THAM KHẢO [1] Deep Learning Face Representation by Joint Identification-Verification - Yi Sun, Xiaogang Wang, Xiaoou Tang [2] Face Recognition Based on Improved FaceNet Model - Qiuyue Wei etc [3] FaceNet - Florian Schroff, Dmitry Kalenichenko, James Philbin Google Inc [4] Introduction to FaceNet: A Unified Embedding for Face Recognition and Clustering - Dhairya Kumar [5] DeepFace: Closing the Gap to Human-Level Performance in Face Verification Yaniv Taigman etc [6] FaceNet: A Unified Embedding for Face Recognition and Clustering - Florian Schroff etc ... pháp nhận dạng khuôn mặt, nghiên cứu công cụ xây dựng hệ thống 1.5 Đề xuất nội dung thực hiện Hình 1 Nhận diện đặc điểm khuôn mặt Đối với đề tài Tìm hiểu, nghiên cứu thực xây dựng hệ thống...TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG VIỆT - HÀN KHOA KHOA HỌC MÁY TÍNH - - BÁO CÁO ĐỒ ÁN ĐỀ TÀI: XÂY DỰNG HỆ THỐNG CHẤM CÔNG VÀ ĐIỂM DANH NHẬN DIỆN BẰNG KHUÔN MẶT Sinh... nhận diện khuôn mặt nghiên cứu in-house áp dụng để chấm công cho nhân viên Tôi nghĩ nhận diện khn mặt có tính ứng dụng cao Rất nhiều công ty, doanh nghiệp quốc gia cần 2.1.2 Các loại hệ thống