5 .1. Kết quả
Với những yêu cầu đã đặt ra lúc đầu thì những gì mà model tôi đã xây dựng thì chỉ có thể giải quyết được tối đa khoảng 70% những gì tôi mong muốn. Những gì đã đạt được với những yêu cầu đề ra:
- Model xác minh gương mặt có độ chính xác cao với tập dữ liệu tôi sử dụng để xây dựng.
- Model có thể phát hiện có đeo khẩu trang hay không với độ chính xác tạm chấp nhận.
- Model sau khi được xây dựng một cách hoàn chỉnh theo hướng tôi phát triển thì có thể thực sự sử dụng được và nó không phụ thuộc vào dữ liệu trong tương lai.
Bên cạnh đó có một số yêu cầu đã đặt ra từ ban đầu đến bây giờ tôi vẫn chưa giải quyết được:
- Vấn đề realtime là một vấn đề tôi đưa ra ở mức cao nhất nhưng hiện tại tôi không có cơ sở để khẳng định rằng nó realtime mặc dù toàn bộ model tôi xây dựng và phát triển hoàn toàn lấy vấn đề realtime làm cơ sở như xây dựng mạng nhẹ,.. bởi vì để thực sự nói rằng model của tôi nó là realtime thì việc lựa chọn phương pháp face dectection cũng là một phần cần giải quyết chưa nói gì tới model nhận diện, nhưng ở trong đề tài này của tôi phần face dectection tôi chưa đề cập tới mà chủ yếu tập trung xây dựng model để xác minh gương mặt và phát hiện các vật thể trên mặt chẳng hạn như khẩu trang, kính, mũ. Nên vấn đề realtime tôi sẽ để cho những đề tài phía sau sau khi đã xây dựng model nhận diện tốt nhất có thể.
- Độ chính xác của phần phát hiện còn khá thấp chỉ ở mức 70%, lý do có thể là vì mạng CNN tôi dùng để train cho phần phát hiện thì tôi lại đóng băng các trọng số cũ, mà những trọng số này lại dùng để nhận diện nên rất có thể nó không phù hợp cho việc phát hiện.
- Model tôi đã xây dựng có độ chính xác khá cao trên tập dữ liệu tôi sử dụng, nhưng nếu đem đi để dùng trong thực tiễn thì không được bởi vì các ảnh tôi train cho model có chất lượng ảnh và màu sắc hoàn toàn khác với ảnh từ camera của tôi, nên nếu muốn thực sự xây dựng model và dùng thì tôi sẽ phải đi thu thập ảnh bằng camera và dùng cả thuật toán phát hiện gương mặt sau khi đã quyết định dùng phương pháp nào, đó chính là cách tốt nhất để giải quyết vấn đề này.
5.2. Hướng phát triển
Để giải quyết được những thách thức và những yêu cầu tôi đề ra lúc ban đầu mà đến giờ tôi vẫn chưa giải quyết được thì hiện tại tôi có một số hướng phát triển như sau:
+Để xây dựng một model có thể sử dụng được thì tốt nhất nên thu thập một tập dataset khác bằng camera lẫn phương pháp phát hiện gương mặt mà đã quyết định sử dụng, khi đó ta có thể đảm bảo chất lượng ảnh dành cho việc xây dựng model với dữ liệu gặp phải trong tương lai sẽ không sai biệt quá lớn.
+ Xây dựng lại mạng CNN phức tạp hơn, bởi vì lúc đầu phần cứng không cho phép nên việc xây dựng mạng phức tạp sẽ ảnh hưởng đến thời gian train, nên tôi chỉ xây dựng có 3 layer, nên việc làm mạng sâu hơn sẽ giúp ích cho việc trích xuất các đặc trưng cho phần phát hiện ở phía sau.
+ Sử dụng hàm triplet loss. Với mục đích ban đầu hướng tới việc nghiên cứu và phát triển thì tôi hướng tới sử dụng hàm mất mát là constractive, nhưng hàm này có một nhược điểm là ở cùng một lúc nó chỉ học được sự giống nhau hoặc khác nhau của hai bức ảnh. Nên theo hướng phát triển, thì việc sử dụng hàm mất mát là triplet thì tại một thời điểm thì nó có thể học được cùng một lúc là
sự giống nhau và khác nhau nên sẽ góp phần tăng performance cho model. Nhưng cũng đồng nghĩa thời gian train cũng sẽ lâu hơn so với việc sử dụng hàm
constractive loss.
+ Sau khi các bước xây dựng model để xác minh và nhận diện hoàn thành tốt thì việc xử lý chất lượng ảnh ngõ vào cũng là một bước khá quan trọng góp phần tăng hiệu suất cho model.
+ Cuối cùng để đảm bảo vấn đề realtime trên phần cứng đã lựa chọn lúc đầu cần phải xác định phương pháp phát hiện gương mặt vừa đảm bảo được tốc độ chạy ổn trên phần cứng, vừa đảm bảo được độ chính xác.