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

Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập

109 63 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

Định dạng
Số trang 109
Dung lượng 6,83 MB

Nội dung

Ngày đăng: 27/11/2021, 10:28

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Dan Duncan, Gautam Shine, Chris English (2016) , “ Facial Emotion Recognition in real time ” Stanford University Sách, tạp chí
Tiêu đề: “ Facial Emotion Recognition in real time ”
[2] Competition “ Challenges in Representation Learning: Facial Expression Recognition Challenge ”, https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/, [ngày truy cập 15/04/2020 ] Sách, tạp chí
Tiêu đề: “ Challenges in Representation Learning: Facial Expression Recognition Challenge ”
[3] N. Dalai, B. Triggs (2005), “Histograms of Oriented Gradients for Human Detection”. IEEE Computer Society Conference on Computer Vision and Pattern Recognition Sách, tạp chí
Tiêu đề: Histograms of Oriented Gradients for Human Detection
Tác giả: N. Dalai, B. Triggs
Năm: 2005
[4] Hiyam Hatem, Zou Beiji.Raed Majeed (2015), “A Survey of Feature Base Methods for Human Face Detection”, International Journal of Control and Automation Vol.8, No.5 (2015), pp.61-78 Sách, tạp chí
Tiêu đề: A Survey of Feature Base Methods for Human Face Detection
Tác giả: Hiyam Hatem, Zou Beiji.Raed Majeed (2015), “A Survey of Feature Base Methods for Human Face Detection”, International Journal of Control and Automation Vol.8, No.5
Năm: 2015
[5] Hwai-Jung Hsu and Kuan-Ta Chen (2015). “Face recognition on drones: Issues and limitations”. In Proceedings of the First Workshop on Micro Aerial Vehicle Networks, Systems, and Applications for Civilian Use, DroNct ’15, pages 39-44, New York, NY, USA, 2015. ACM Sách, tạp chí
Tiêu đề: Face recognition on drones: Issues and limitations
Tác giả: Hwai-Jung Hsu and Kuan-Ta Chen
Năm: 2015
[6] Rabia Jafri and Hamid R Arabnia (2009). “A survey of face recognition techniques”. JIPS, 5(2),pp.41- 68 Sách, tạp chí
Tiêu đề: A survey of face recognition techniques
Tác giả: Rabia Jafri and Hamid R Arabnia
Năm: 2009
[7] Alex Krizhevsky, Ilya Sutskever and Geoffrey E. Hinton (Aug.2010), “ ImageNet Classification with Deep Convolutional Neural Networks ”, University of Toronto Sách, tạp chí
Tiêu đề: “ ImageNet Classification with Deep Convolutional Neural Networks ”
[8] Keiron O’Shea and Ryan Nash (Dec.2015) , “An Introduction to Convolutional Neural Networks”, Aberystwyth University Sách, tạp chí
Tiêu đề: “An Introduction to Convolutional Neural Networks”
[9] Rok Novosel, Blaz Meden, Ziga Emer, Vitomir Struc, Peter Peer (2017). “Face recognition with Raspberry Pi for IoT Environments”. Faculty of Computer and Information Science Faculty of Electrical Engineering University of Ljubljana Sách, tạp chí
Tiêu đề: Face recognition with Raspberry Pi for IoT Environments
Tác giả: Rok Novosel, Blaz Meden, Ziga Emer, Vitomir Struc, Peter Peer
Năm: 2017
[10] O. Nikisins, R. Fuksis, A. Kadikis, and M. Greitans (2015) , “Face recognition system on raspberry pi,” Proc. Of ICIPCE, vol. 15 Sách, tạp chí
Tiêu đề: Face recognition system on raspberry pi
[11] Lương Mạnh Bá, Nguyễn Thanh Thủy (2006), “Nhập môn xử lý ảnh số”.Nhà xuất bản khoa học kỹ thuật, Hà Nội, Việt Nam Sách, tạp chí
Tiêu đề: Nhập môn xử lý ảnh số
Tác giả: Lương Mạnh Bá, Nguyễn Thanh Thủy
Nhà XB: Nhà xuất bản khoa học kỹ thuật
Năm: 2006
[12] Nitish Srivastava, Geoffrey Hinton, Alex Krizhevsky , Ilya Sutskever, Ruslan Salakhutdinov (2014), “ Dropout: A Simple Way to Prevent Neural Networks from Overfitting ” , Department of Computer Science, University of Toronto Canada , pp 1932-1954 Sách, tạp chí
Tiêu đề: “ Dropout: A Simple Way to Prevent Neural Networks from Overfitting ”
Tác giả: Nitish Srivastava, Geoffrey Hinton, Alex Krizhevsky , Ilya Sutskever, Ruslan Salakhutdinov
Năm: 2014
[13] N. Kwak (Jan.2016), “Introduction to Convolutional Neural Networks ( CNNs)”. Department of Transdisciplinary Studies Seoul National University, Korea Sách, tạp chí
Tiêu đề: Introduction to Convolutional Neural Networks ( CNNs)
[14] R. E. Turner (2014) , “Lecture 14 : Convolutional neural networks for computer vision”. University of Cambride Sách, tạp chí
Tiêu đề: Lecture 14 : Convolutional neural networks for computer vision
[16] Richard F.Lyon, (2006), “ A Brief History of ‘Pixel’ ” Foveon Inc , 2820 San Tomas Expressway, Santa Clara CA 95051 Sách, tạp chí
Tiêu đề: A Brief History of ‘Pixel’ ”
Tác giả: Richard F.Lyon
Năm: 2006
[17] Robin Milner, Mads Tofte, Robert Harper. “The Definition of Standard ML”, Lab oratory for Foundations of Computer Science Department of Computer Science University of Edinburgh Sách, tạp chí
Tiêu đề: The Definition of Standard ML
[18] Florian Schroff, Dmitrv Kalcnichenko, and James Philbin (2015). “Facenet: A unified embedding for face recognition and clustering In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition”, pages 815-823 Sách, tạp chí
Tiêu đề: Facenet: A unified embedding for face recognition and clustering In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition
Tác giả: Florian Schroff, Dmitrv Kalcnichenko, and James Philbin
Năm: 2015
[19] Yash Srivastava, Vaishnav Murali, and Shiv Ram Dubey (2019). “A Performance Comparison of LoNetss Functions for Deep Face Recognition”. Computer Vision Group, Indian Institute of Information Technology, Sri City, India, pages 4 – 10 Sách, tạp chí
Tiêu đề: A Performance Comparison of LoNetss Functions for Deep Face Recognition
Tác giả: Yash Srivastava, Vaishnav Murali, and Shiv Ram Dubey
Năm: 2019
[20] Ashutosh ChandraBhensle, Rohit Raja (2014) “An Efficient Face Recognition using PCA and Euclidean Distance Classification, Computer Science and Engineering Department, CSVTU, Bhilai FET, SSGI, Bhilai, India” Sách, tạp chí
Tiêu đề: An Efficient Face Recognition using PCA and Euclidean Distance Classification, Computer Science and Engineering Department, CSVTU, Bhilai FET, SSGI, Bhilai, India
[22] Bộ cơ sở dữ liệu LFW, http://vis-www.cs.umass.edu/lfw/ [Ngày truy cập 25/04/2020] Link

HÌNH ẢNH LIÊN QUAN

Hình 2.4: Một số thông tin có thể tìm thấy trong một bức ảnh khuôn mặt - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 2.4 Một số thông tin có thể tìm thấy trong một bức ảnh khuôn mặt (Trang 34)
Hình 2.6: Quá trình xử lý thông tin trong mạng - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 2.6 Quá trình xử lý thông tin trong mạng (Trang 37)
2.3.2.1 Mô hình tổng quan - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
2.3.2.1 Mô hình tổng quan (Trang 39)
Hình 2.9: Quá trình thực hiện của mạng CNN - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 2.9 Quá trình thực hiện của mạng CNN (Trang 40)
Hình 2.12: Ví dụ về lớp RELU - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 2.12 Ví dụ về lớp RELU (Trang 43)
Hình 2.13: Maxpooling với bộ lọc 2x2, bước trượt bằng 2 - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 2.13 Maxpooling với bộ lọc 2x2, bước trượt bằng 2 (Trang 44)
Hình 2.14: Phân lớp dữ liệu trong lớp kết nối đầy đủ - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 2.14 Phân lớp dữ liệu trong lớp kết nối đầy đủ (Trang 44)
2.3.3 Những vấn đề xảy ra với mô hình mạng nơ-ron tích chập - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
2.3.3 Những vấn đề xảy ra với mô hình mạng nơ-ron tích chập (Trang 45)
Hình 2.16: Kỹ thuật Drop-out giải quyết vấn đề overfitting - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 2.16 Kỹ thuật Drop-out giải quyết vấn đề overfitting (Trang 47)
Hình 3.3: Lưu đồ xử lý của hệ thống nhận dạng khuôn mặt - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 3.3 Lưu đồ xử lý của hệ thống nhận dạng khuôn mặt (Trang 59)
Hình 3.5: Một số khuôn mặt được lấy từ tập cơ sở dữ liệu LFW - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 3.5 Một số khuôn mặt được lấy từ tập cơ sở dữ liệu LFW (Trang 60)
Hình 3.6: Một số hình ảnh từ tập cơ sở dữ liệu tự tạo - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 3.6 Một số hình ảnh từ tập cơ sở dữ liệu tự tạo (Trang 61)
Hình 3.10: Sơ đồ quá trình phân loại nhận dạng - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 3.10 Sơ đồ quá trình phân loại nhận dạng (Trang 64)
Hình 3.12: Quá trình đào tạo mạng nơ-ron - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 3.12 Quá trình đào tạo mạng nơ-ron (Trang 66)
Hình 3.18: Lưu đồ xử lý của hệ thống nhận dạng cảm xúc - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 3.18 Lưu đồ xử lý của hệ thống nhận dạng cảm xúc (Trang 71)
3.4.2.2.2 Mô hình mạng CNN được dùng để nhận dạng cảm xúc - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
3.4.2.2.2 Mô hình mạng CNN được dùng để nhận dạng cảm xúc (Trang 72)
Hình 3.20: Một số hình ảnh trong tập dữ liệu mẫu - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 3.20 Một số hình ảnh trong tập dữ liệu mẫu (Trang 74)
Hình 3.21: Biểu đồ số lượng cảm xúc trong tập dữ liệu mẫu FERC-2013[2] - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 3.21 Biểu đồ số lượng cảm xúc trong tập dữ liệu mẫu FERC-2013[2] (Trang 75)
Hình 3.23: Lưu đồ thuật toán quá trình huấn luyện - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 3.23 Lưu đồ thuật toán quá trình huấn luyện (Trang 78)
Hình 3.24: Lưu đồ thuật toán quá trình nhận dạng - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 3.24 Lưu đồ thuật toán quá trình nhận dạng (Trang 79)
4.1 Mô hình hoàn chỉnh của hệ thống - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
4.1 Mô hình hoàn chỉnh của hệ thống (Trang 81)
Hình 4.2: Giao diện hiển thị của đề tài - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 4.2 Giao diện hiển thị của đề tài (Trang 82)
Hình 4.6: Ảnh đơn được nhận dạng với người có trong cơ sở dữ liệu 2 - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 4.6 Ảnh đơn được nhận dạng với người có trong cơ sở dữ liệu 2 (Trang 86)
Hình 4.7: Ảnh bao gồm cả hai khuôn mặt có trong tập dữ liệu 2 - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 4.7 Ảnh bao gồm cả hai khuôn mặt có trong tập dữ liệu 2 (Trang 87)
Hình 4.11: Biểu đồ độ chính xác của quá trình huấn luyện - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 4.11 Biểu đồ độ chính xác của quá trình huấn luyện (Trang 91)
Hình 4.10: Một số hình ảnh trong tập dữ liệu gây nên thách thức về độ chính xác khi huấn luyện mô hình - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 4.10 Một số hình ảnh trong tập dữ liệu gây nên thách thức về độ chính xác khi huấn luyện mô hình (Trang 91)
Hình 4.13: Ma trận tương quan của mô hình với ngõ vào là dữ liệu tập riêng - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 4.13 Ma trận tương quan của mô hình với ngõ vào là dữ liệu tập riêng (Trang 93)
Hình 4.12: Ma trận tương quan của mô hình với ngõ vào là dữ liệu tập mẫu - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 4.12 Ma trận tương quan của mô hình với ngõ vào là dữ liệu tập mẫu (Trang 93)
Hình 4.14: Nhận dạng cảm xúc“ bình thường” - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 4.14 Nhận dạng cảm xúc“ bình thường” (Trang 95)
Hình 4.21: Nhận dạng cảm xúc“ bình thường” thành cảm xúc“ buồn” do biểu cảm không rõ ràng - Xây dựng hệ thống nhận diện khuôn mặt và cảm xúc dùng mạng nơ ron tích chập
Hình 4.21 Nhận dạng cảm xúc“ bình thường” thành cảm xúc“ buồn” do biểu cảm không rõ ràng (Trang 100)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TỔNG QUAN VỀ QUÁ TRÌNH XỬ LÝ ẢNH

KHUÔN MẶT VÀ CẢM XÚC

Mạng nơ-ron nhân tạo Mô hình tổng quan Quá khớp (Overfiting) Yêu cầu của hệ thống Phân loại, nhận dạng

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w