2. Chuẩn bị cơ sở dữ liệu
2.3Cơ sở dữ liệu để đánh giá kết quả hệ thống
Một hệ thống sau khi xây dựng luơn cần cĩ những khảo sát để đánh giá kết quả. Muốn vậy, chúng ta cần cĩ những bộ dữ liệu chuẩn để tiến hành đánh giá.
Đối với hệ thống trong đồ án, do tập ảnh huấn luyện khuơn mặt là nhìn thẳng với độ nghiêng và gĩc quay của khuơn mặt khơng đáng kể, vì vậy, để đánh giá được hiệu quả học của hệ thống, chúng ta cần cĩ những bộ dữ liệu chuẩn tương tự. Ở đây, đồ án sẽ sử dụng bộ dữ liệu test chuẩn được lấy từ cơ sở dữ liệu của trường đại học University of Ljubljana, tại website: http://lrv.fri.uni-
lj.si/facedb.html. Đây là bộ dữ liệu test ảnh màu bao gồm 320 ảnh màu của 141
người, chỉ cĩ một khuơn mặt kích thước 640 x 480 được chụp trong điều kiện ánh sáng đồng nhất.
Hình 15: Ví dụ về bộ ảnh trong tập dữ liệu để kiểm tra hiệu năng hệ thống
Ngồi ra, do chưa cĩ một bộ dữ liệu test ảnh màu nhiều khuơn mặt nào được phổ biến miễn phí trên mạng nên ở đây, chúng ta sẽ tự xây dựng cho mình một tập cảc ảnh nhiều khuơn mặt để cĩ thể đánh giá một cách chính xác hơn hiệu năng hệ thống. Tập ảnh này được xây dựng dựa trên tiêu chí để kiểm tra hiệu quả của hệ thơng trong các khía cạnh:
Hệ thống phát hiện được nhiều khuơn mặt với các kích thước khác nhau như thế nào ?
Hệ thống phát hiện được các khuơn mặt với nội dung khuơn mặt đầy đủ và khơng đầy đủ như thê nào ?
Hệ thống phát hiện được các khuơn mặt ở các tư thế khác nhau, nhìn thẳng, nhìn nghiêng, gĩc quay, mắt nhắm hay khơng, đeo kính hay khơng, trạng thái khuơn mặt như thế nào ?
Chất lượng phát hiện ra sao khi các bức ảnh bị làm nhiễu ?
Kích thước của các bức ảnh được xây dựng bao gồm các kích thước như: 480 x 360; 320 x 240.
Hình 16: Ví dụ về tập ảnh tự xây dựng để test chương trình, ảnh ban đầu và ảnh bị làm nhiễu
CHƯƠNG III: PHÁT HIỆN KHUƠN MẶT DỰA TRÊN MẠNG NEURAL VÀ PHƯƠNG PHÁP PHÂN VÙNG MÀU DA