4.2.1. Mục đích thực nghiệm:
Đo đạc độ chính xác của thuật toán xác định vị trí khuôn mặt sử dụng bộ phân lớp chồng tầng dựa trên các đặc trưng MB-LBP trên dữ liệu là các khuôn mặt chính diện hoặc nghiêng nhẹ của loài mèo. So sánh kết quả khi huấn luyện bộ phân lớp hoàn toàn bằng dữ liệu huấn luyện đã xác định vị trí khuôn mặt theo cách thủ công với khi áp dụng kết hợp với thuật toán huấn luyện bán giám sát bootstrapping.
4.2.2. Bố trí thí nghiệm:
Chia bộ dữ liệu gồm 9996 ảnh chứa khuôn mặt chụp chính diện hoặc nghiêng nhẹ của mèo thành 3 tập ảnh A1, A2, B, T lần lượt có số lượng là 2000, 500, 6996, 500: Trong đó:
o A1, A2 sẽ đóng vai trò tập huấn luyện mồi và tập huấn luyện kiểm thử trong mỗi vòng lặp của thuật toán bootstapping;
o B là tập dữ liệu không xác định vị trí khuôn mặt sử dụng để mở rộng dữ liệu huấn luyện tự động trong mỗi vòng lặp của thuật toán bootstrapping
o T là tập dữ liệu kiểm thử để đánh giá độ chính xác cuối cùng. Bổ sung 500 ảnh không chứa khuôn mặt của mèo vào tập T.
Sử dụng bộ dữ liệu G gồm 5070 ảnh không chứa khuôn mặt mèo để làm các ảnh nền trong khi huấn luyện.
Tập ảnh A1, A2, B và T được lấy nguyên vẹn từ bộ ảnh khuôn mặt trực diện của mèo của Microsoft (Microsoft Cat Dataset 2008). Tập ảnh G được lấy từ các nguồn 450 ảnh dữ liệu khuôn mặt trực diện của Caltech và bộ ảnh PASCAL VOC 2007
Để so sánh kết quả của việc sử dụng thuần bộ phân lớp chồng tầng dựa trên các đặc trưng MB-LBP với khi kết hợp với thuật toán bootstapping, ta tiến hành thí nghiệm như sau.
Hình 4.2: các bước thực hiện thí nghiệm 2