Cơ sở dữ liệu ảnh mặt ngƣời đƣợc sử dụng trong luận văn này là cơ sở dữ liệu của Yale (http://cvc.yalẹedu/projects/yalefaces/yalefaces.html), đƣợc công bố, chia sẻ công khai trên Internet để mọi ngƣời dùng chung
Cơ sở dữ liệu này gồm 200 ảnh mặt ngƣờị Các ảnh có kích thƣớc cố định giống nhau và chỉ chứa phần mặt ngƣời nên trong hệ thống nhận dạng ảnh mặt ngƣời có thể bỏ qua thao tác phát hiện mặt ngƣời, đƣa luôn ảnh vào khối nhận dạng.
Trƣớc khi đƣa vào hệ thống, tất cả các ảnh sẽ đƣợc resize về kích cỡ giống nhau 48 x 48 pixels.
3.5 KẾT QUẢ THỬ NGHIỆM VÀ ĐÁNH GIÁ
Trong phần đánh giá hiệu quả của các phƣơng pháp. Để đánh giá về tỷ lệ nhận dạng đúng, luận văn sử dụng tham số đánh giá FR （Failure Rate）.
FR = (tổng số ảnh test – tổng số ảnh nhận dạng đúng) / tổng số ảnh test x 100%. Từng phƣơng pháp MLP-PCA và MLP-PCA-GA sẽ đƣợc thực nghiệm và so sánh kết quả.
Riêng để đánh giá hiệu quả tối ƣu cho quá trình huấn luyện của MLP-GA, ngoài tham số tỷ lệ lỗi FR, lỗi hệ thống TSSE thì quan trọng nhất là tham số số bƣớc lặp đến khi hội tụ thuật toán Epoch’s.. Tham số này sẽ ảnh hƣởng đến chi phí tính toán và do đó là thời gian thực thị
Trong đó , TSSE đƣợc tính nhƣ sau:
2
er
1
2 patt ns outputs
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnụedụvn 51
3.5.1 Môi trƣờng và công cụ để thực nghiệm các phƣơng pháp
Trong luận văn thực nghiệm 2 phƣơng pháp MLP-PCA và MLP-PCA-GA để có cơ sở đánh giá hiệu quả của các phƣơng pháp.
Ngôn ngữ lập trình đƣợc sử dụng trong phần mềm đánh giá thực nghiệm là ngôn ngữ Visual Studiọnet. Để tập trung vào công việc chính của luận văn là đánh giá hiệu quả các phƣơng pháp MLP và phƣơng pháp MLP-PCA-GA, luận văn sử dụng một số thƣ viện có sẵn trên mạng gồm các hàm có sẵn về MLP, PCA, GẠ Thƣ viện MLP đƣợc lấy từ www.codeproject.com, thƣ viện GA đƣợc lấy từ
sourceforgẹnet, còn thƣ viện PCA đƣợc lấy từ crsouzạblogspot.com. Các thƣ viện này có sẵn hầu hết các hàm, thủ tục liên quan đến việc cài đặt các thuật toán MLP, GA, PCẠ Nhiều nghiên cức trên thế giới cũng sử dụng các thƣ viện sẵn có nayfneen các thƣ viện này có thể xem là có độ tin cậy caọ Hệ thống nhận dạng ảnh mặt ngƣời sử dụng 2 phƣơng pháp MLP-PCA và MLP-PCA-GA sau đó đƣợc lập trình, cài đặt và đánh giá kết quả.
3.5.2. Đánh giá hiệu quả tối ƣu quá trình huấn luyện của phƣơng pháp dùng MLP-PCA và MLP-PCA-GA
Sau đây là một số kết quả ứng với các tham số huấn luyện khác nhau:
Test 1. Dùng mạng MLP Số lƣợng ảnh test: 12 Độ chính xác mong muốn: 90% Số nút ẩn: 60 Tốc độ học: 0.6 Momentum: 0.6 Kết quả huấn luyện là