1. Trang chủ
  2. » Giáo Dục - Đào Tạo

Nhận diện khuôn mặt ứng dụng trong robot tiếp tân

91 146 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

Thông tin cơ bản

Tiêu đề Nhận Diện Khuôn Mặt Ứng Dụng Trong Robot Tiếp Tân
Tác giả Trần Văn Tính
Người hướng dẫn PGS.TS. Lê Mỹ Hà
Trường học Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
Chuyên ngành Ngành CNKT Điều Khiển Và Tự Động Hóa
Thể loại Đồ Án Tốt Nghiệp
Năm xuất bản 2020
Thành phố Tp. Hồ Chí Minh
Định dạng
Số trang 91
Dung lượng 5,73 MB

Nội dung

Ngày đăng: 27/11/2021, 10:28

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Ivan Dokmanic, Reza Parhizkar, Juri Ranieri, Martin Vetterli “Euclidean distance matrices: Essential Theory, Algorithm and Application” 15 Aug 2015 ( version 2) Sách, tạp chí
Tiêu đề: Euclidean distance matrices: Essential Theory, Algorithm and Application
[2] H. Li, Z. Lin, X. Shen, J. Brandt, G. Hua (2015) “A Convolutional Neural Network Cascade for Face Detection,” IEEE Conf. on Computer Vision and Pattern Recognition, pp. 5325-5334 Sách, tạp chí
Tiêu đề: A Convolutional Neural Network Cascade for Face Detection
[9] Yann LeCun, Yoshua Bengio, and Geoffrey Hinton. “Deep learning”. In Sách, tạp chí
Tiêu đề: Deep learning
[10] K. He, X. Zhang, S. Ren, and J. Sun. Deep residual learning for image recognition. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 770–778, 2016 Sách, tạp chí
Tiêu đề: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition
[12] “Microsoft’s new Code editor is built on Google’s Chromium”. Ars Technica Sách, tạp chí
Tiêu đề: Microsoft’s new Code editor is built on Google’s Chromium”
[11] Castle, N. (n.d.). What is Artificial Intelligence? Retrieved from https://www.datascience.com/blog/what-is-artificial-intelligence Link
[3] Y. Taigman, M. Yang, M. Ranzato, and L. Wolf. Deepface: Closing the gap to human-level performance in face verification. In CVPR, 2014 Khác
[4] F. Schroff, D. Kalenichenko, and J. Philbin. Facenet: A unified embedding for face recognition and clustering. In CVPR, 2015 Khác
[5] O. M. Parkhi, A. Vedaldi, and A. Zisserman. Deep face recognition. In BMVC, volume 1, page 6, 2015 Khác
[6] G. Huang, M. Ramesh, T. Berg, and E. Learned Miller, labeled faces in the wild: A database for studying face recognition in unconstrained environments, Technical Report 07-49, UMass, 2007 Khác
[7] Neeraj Kumar, Alexander C. Berg, Peter N. Belhumeur, and Shree K. Nayar, Attribute and Simile Classifiers for Face Verification, International Conference on Computer Vision (ICCV), 2009 Khác
[8] Navaneeth Bodla, Jingxiao Zheng, Hongyu Xu, Jun-Cheng Chen, Carlos Castillo, Rama Chellappa, Deep Heterogeneous Feature Fusion for Template- Based Face Recognition, arXiv preprint arXiv:1702.04471, 2017 Khác
[13] Y. Guo, L. Zhang, Y. Hu, X. He, and J. Gao. Ms-celeb-1m: A dataset and benchmark for large-scale face recognition. In European Conference on Computer Vision, pages 87–102. Springer, 2016 Khác
[14] Q. Cao, L. Shen, W. Xie, O. M. Parkhi, and A. Zisserman. Vggface2: A dataset for recognising faces across pose and age. arXiv:1710.08092, 2017 Khác
[15] C. J. Parde, C. Castillo, M. Q. Hill, Y. I. Colon, S. Sankaranarayanan, J.-C. Chen, and A. J. O’Toole. Deep convolutional neural network features and the original image. arXiv:1611.01751, 2016 Khác
[24] D. Han, J. Kim, and J. Kim. Deep pyramidal residual networks. arXiv:1610.02915, 2016 Khác
[25] K. He, X. Zhang, S. Ren, and J. Sun. Identity mappings in deep residual networks. In ECCV, 2016 Khác
[26] K. He, X. Zhang, S. Ren, and J. Sun. Delving deep into rectifiers: Surpassing human-level performance on imagenet classification. In Proceedings of the IEEE international conference on computer vision, pages 1026–1034, 2015 Khác

HÌNH ẢNH LIÊN QUAN

Hình 2. 1: Hệ thống nhận dạng khuôn mặt - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2. 1: Hệ thống nhận dạng khuôn mặt (Trang 16)
Hình 2.2 mô tả một ví dụ về bốn bước này hoạt động trên một hình ảnh đầu vào. - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.2 mô tả một ví dụ về bốn bước này hoạt động trên một hình ảnh đầu vào (Trang 17)
Hình 2.4. Cấu tạo một mạng Neural - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.4. Cấu tạo một mạng Neural (Trang 21)
Hình 2.6. So sánh hiệu suất của Deep learning với các thuật toán khác - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.6. So sánh hiệu suất của Deep learning với các thuật toán khác (Trang 23)
Hình 2.7 Máy tính nhìn hình ảnh dưới dạng ma trận số (a) Con người thấy, (b) máy tính thấy - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.7 Máy tính nhìn hình ảnh dưới dạng ma trận số (a) Con người thấy, (b) máy tính thấy (Trang 25)
Hình 2.8 Cấu trúc mạng CNN - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.8 Cấu trúc mạng CNN (Trang 26)
(a) Hình ảnh đầu vào 7x7, (b) bản đồ đặc trưng - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
a Hình ảnh đầu vào 7x7, (b) bản đồ đặc trưng (Trang 29)
Hình 2.16 Ví dụ về các loại pooling - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.16 Ví dụ về các loại pooling (Trang 30)
Hình 2.20 Lớp Fully-Connected - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.20 Lớp Fully-Connected (Trang 32)
Hình 2.22 Mạng P-Net - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.22 Mạng P-Net (Trang 34)
Hình 2.24 Mạng O-Net - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.24 Mạng O-Net (Trang 36)
Hình 2.25 Mối tương quan giữa độ sâu và hiệu suất mạng [10] - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.25 Mối tương quan giữa độ sâu và hiệu suất mạng [10] (Trang 37)
Hình 2.26. Mô-đun Residual - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.26. Mô-đun Residual (Trang 38)
Hình 2.30 Các kiến trúc mạng ResNet cơ bản - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.30 Các kiến trúc mạng ResNet cơ bản (Trang 42)
Hình 2.31 Convolution của bước Conv1 [23] - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.31 Convolution của bước Conv1 [23] (Trang 42)
Quy trình tương tự được mở rộng cho toàn bộ lớp sau đó như Hình 2.35 (quy trình thực hiện cho lớp Conv2_x) - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
uy trình tương tự được mở rộng cho toàn bộ lớp sau đó như Hình 2.35 (quy trình thực hiện cho lớp Conv2_x) (Trang 44)
Hình 2.34 Hoạt động của khối 1 trong lớp ResNet1 [23] - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.34 Hoạt động của khối 1 trong lớp ResNet1 [23] (Trang 44)
Hình 2.42 Đào tạo một DCNN nhận dạng khuôn mặt với hàm mất mát softmax - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.42 Đào tạo một DCNN nhận dạng khuôn mặt với hàm mất mát softmax (Trang 47)
Hình 2.33 thể hiện ưu điểm của hàm entropy chéo so với hàm bình phương khoảng cách Euclid - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.33 thể hiện ưu điểm của hàm entropy chéo so với hàm bình phương khoảng cách Euclid (Trang 50)
Hình 2.47 minh họa IoU giữa bounding box thực sự (màu xanh lá cây) và bounding box được phát hiện (màu đỏ) - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 2.47 minh họa IoU giữa bounding box thực sự (màu xanh lá cây) và bounding box được phát hiện (màu đỏ) (Trang 54)
Hình 3.2 Máy tính xách tay IdeaPad L340 - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 3.2 Máy tính xách tay IdeaPad L340 (Trang 56)
Hình 3.1 Sơ đồ khối của hệ thống - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 3.1 Sơ đồ khối của hệ thống (Trang 56)
3.2.3 Mô hình robot - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
3.2.3 Mô hình robot (Trang 59)
Hình 3.8 Mô hình robot - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 3.8 Mô hình robot (Trang 61)
Hình 3.10 Sơ đồ chân Arduino Uno - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 3.10 Sơ đồ chân Arduino Uno (Trang 62)
Bảng 3.4 Thông số kỹ thuật Arduino Uno - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Bảng 3.4 Thông số kỹ thuật Arduino Uno (Trang 62)
Hình 3.12 Động cơ Servo SG90 - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 3.12 Động cơ Servo SG90 (Trang 64)
Hình 4.3 Mô phỏng pre-traned model LResNet100E-IR trích xuất đặc trưng - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 4.3 Mô phỏng pre-traned model LResNet100E-IR trích xuất đặc trưng (Trang 72)
Hình 4.5 Công cụ thực thi phân tán Tensorflow - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 4.5 Công cụ thực thi phân tán Tensorflow (Trang 74)
Hình 5.8 Hệ thống hoạt động - Nhận diện khuôn mặt ứng dụng trong robot tiếp tân
Hình 5.8 Hệ thống hoạt động (Trang 87)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

Khái niệm về mạng ResNet

Hàm mất mát ArcFace cho nhận dạng khuôn mặt

Biến đổi hình học trong xử lý ảnh

Loss và accuracy Các thiết bị sử dụng trong robot Ngôn ngữ lập trình Python Phần mềm Visual Studio Code Bộ dữ liệu dùng để đánh giá MTCNN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w