24 24
Hình 2.10 cho thấy các kết quả thực nghiệm thu được bằng cách sử dụng Hình 2.10 cho thấy các kết quả thực nghiệm thu được bằng cách sử dụng các thuật tốn SM và cICA. Chúng ta có thể thấy rằng các phương tiện dựa trên các thuật toán SM và cICA. Chúng ta có thể thấy rằng các phương tiện dựa trên cICA cao hơn so với các phương tiện dựa trên SM. Do đó, cICA có mức độ cICA cao hơn so với các phương tiện dựa trên SM. Do đó, cICA có mức độ chính xác ước lượng độ sâu cao hơn so với SM. Ngồi ra, độ lệch chuẩn dựa chính xác ước lượng độ sâu cao hơn so với SM. Ngoài ra, độ lệch chuẩn dựa trên cICA rõ ràng là nhỏ hơn so với độ lệch chuẩn dựa trên SM. Do đó, chúng ta trên cICA rõ ràng là nhỏ hơn so với độ lệch chuẩn dựa trên SM. Do đó, chúng ta có thể kết luận rằng cICA chính xác và mạnh mẽ hơn SM.
có thể kết luận rằng cICA chính xác và mạnh mẽ hơn SM.
Lấy Bài tập 1 làm ví dụ, Bảng I cho thấy hệ số tương quan của giá trị độ Lấy Bài tập 1 làm ví dụ, Bảng I cho thấy hệ số tương quan của giá trị độ sâu thực và giá trị ước lượng tương ứng cho các hình ảnh khn mặt khác nhau sâu thực và giá trị ước lượng tương ứng cho các hình ảnh khn mặt khác nhau bằng cách sử dụng các thuật toán FastICA, gICA, SM
bằng cách sử dụng các thuật toán FastICA, gICA, SM và cICA. Có thể thấy rằngvà cICA. Có thể thấy rằng
thuật tốn cICA có thể đạt được hiệu suất rất giống nhau đối với các hình ảnh thuật tốn cICA có thể đạt được hiệu suất rất giống nhau đối với các hình ảnh khn mặt khác nhau và vượt trội hơn ba thuật tốn cịn lại về tương quan trung khuôn mặt khác nhau và vượt trội hơn ba thuật tốn cịn lại về tương quan trung bình (
bình ( μ μ) và độ lệch chuẩn () và độ lệch chuẩn (σ σ ).).
Bảng
Bảng 2. 1. 2. 1. Hệ sHệ số tưố tương ơng quan quan của của gia gia trị trị độ sđộ sâu tâu thực hực và gvà giá iá trị trị ước ước lượnlượng thg thu đưu đượcợc với hình ảnh khn mặt người khác nhau cho FastICA, gICA, SM, và cICA. với hình ảnh khn mặt người khác nhau cho FastICA, gICA, SM, và cICA.
PR_D
PR_D PR_SDPR_SD PR_SUPR_SU PR_UPR_U YR_RW YR_RW μμ ±± σ σ
F FaassttIICCAA 00,,77777766 00,,77665577 00,,44880077 00,,77775500 00,,77559933 00,,77111177±±0,12930,1293 ggllCCAA 00,,66665511 00,,66334400 00,,66000011 00,,55558833 00,,66441144 00,,66119988±±0,04150,0415 S SMM 00,,99331122 00,,22227700 00,,55666655 00,,77554400 00,,66220011 00,,66119988±±0,26080,2608 ccIICCAA 00,,88882222 00,,88880055 00,,88777755 00,,88775588 00,,88778899 00,,88779900±±0,00250,0025
2.4.2.4. So sánh thực nghiệm của cICA
2.4.2.4. So sánh thực nghiệm của cICA và cICAMI:và cICAMI:
Để đánh giá phương pháp tích hợp mơ hình, cICA_MI được sử dụng để ước Để đánh giá phương pháp tích hợp mơ hình, cICA_MI được sử dụng để ước lượng độ sâu của hình ảnh khn mặt cho 30 đối tượng. Trong các thử nghiệm, lượng độ sâu của hình ảnh khn mặt cho 30 đối tượng. Trong các thử nghiệm, người ta thấy rằng hiệu suất thường trở nên ổn định khi số lần lặp lại tối đa (
người ta thấy rằng hiệu suất thường trở nên ổn định khi số lần lặp lại tối đa ( N N iteriter))
là khoảng 1500. Lấy các Đối tượng 1, 6, 11, 16, 21
là khoảng 1500. Lấy các Đối tượng 1, 6, 11, 16, 21 và 26 làm ví và 26 làm ví dụ, các đườngdụ, các đường
cong lặp lại tương ứng dựa trên Phương pháp tích hợp mơ hình được mơ tả trong cong lặp lại tương ứng dựa trên Phương pháp tích hợp mơ hình được mơ tả trong Hình 2.11.
Hình 2.11.
Hình 2. 11. Các đường cong lặp
Hình 2. 11. Các đường cong lặp lại của các Đối tượng 1, lại của các Đối tượng 1, 6, 11, 16, 21 và 26 6, 11, 16, 21 và 26 bằng cách sử dụng mơ hình phương pháp tích hợp.
25 25
Tất cả các kết quả cho thấy rằng hiệu suất hội tụ và trở nên ổn định khi số Tất cả các kết quả cho thấy rằng hiệu suất hội tụ và trở nên ổn định khi số lần lặp được thực hiện nhiều hơn 1000 và nhiều nhất là 1500.
lần lặp được thực hiện nhiều hơn 1000 và nhiều nhất là 1500.
Hình 2. 12. So sánh hiệu suất
Hình 2. 12. So sánh hiệu suất của thuật toán cICA và cICA_MI.của thuật tốn cICA và cICA_MI.
Hình 2.12 cho thấy các kết quả thực nghiệm thu được khi sử dụng cICA Hình 2.12 cho thấy các kết quả thực nghiệm thu được khi sử dụng cICA và cICA_MI. Trong hầu hết các trường hợp, hệ số tương quan thu được khi sử và cICA_MI. Trong hầu hết các trường hợp, hệ số tương quan thu được khi sử dụng cICA_MI cao hơn giá trị trung bình thu được khi sử dụng cICA và là kết dụng cICA_MI cao hơn giá trị trung bình thu được khi sử dụng cICA và là kết quả tốt nhất đối với một số đối tượng. Do đó, có thể kết luận rằng phương pháp quả tốt nhất đối với một số đối tượng. Do đó, có thể kết luận rằng phương pháp tích hợp mơ hình có thể cải thiện một cách hiệu quả độ chính xác ước tính chiều tích hợp mơ hình có thể cải thiện một cách hiệu quả độ chính xác ước tính chiều sâu của phương pháp cICA.
sâu của phương pháp cICA.
Hình 2. 13. Giá trị
Hình 2. 13. Giá trị độ sâu thực và giá trị độ sâu ướđộ sâu thực và giá trị độ sâu ước lượng của đặc điểm khnc lượng của đặc điểm khn mặt có cơ sở dữ liệu Bosphorus
26 26
Hình 2.13 cho thấy giá trị độ sâu thực và giá trị độ sâu ước tính của các Hình 2.13 cho thấy giá trị độ sâu thực và giá trị độ sâu ước tính của các điểm đặc trưng trên khn mặt thu được bằng cách sử dụng cICA_MI. Để so điểm đặc trưng trên khuôn mặt thu được bằng cách sử dụng cICA_MI. Để so sánh, tất cả các giá trị độ sâu hiển thị trong Hình 2.13 được chuẩn hóa thành sánh, tất cả các giá trị độ sâu hiển thị trong Hình 2.13 được chuẩn hóa thành khoảng [0, 1]. Giá trị ước lượng độ sâu
khoảng [0, 1]. Giá trị ước lượng độ sâu M M z z của 22 điểm đặc trưng được chuẩn của 22 điểm đặc trưng được chuẩn
hóa như sau: hóa như sau:
M
M z z' ' == M M z z−−mminin M M z z max M
max M z z−−minM minM z z
((2.272.27))
trong đó
trong đó M M z z' ' là giá trị độ sâu chuẩn hóa của là giá trị độ sâu chuẩn hóa của M M z z, và, và mminin M M z z vàvà max M max M z z lầnlần
lượt là giá trị độ sâu
lượt là giá trị độ sâu tối thiểu và tối đa. Cần lưu ý tối thiểu và tối đa. Cần lưu ý rằng q trình chuẩn hóa chỉrằng q trình chuẩn hóa chỉ
được sử dụng để hiển thị các giá trị độ sâu
được sử dụng để hiển thị các giá trị độ sâu M M z z, và không được sử dụng trong quy, và khơng được sử dụng trong quy
trình ước lượng giá trị độ sâu hoặc trong việc tính tốn các hệ số tương quan. Có trình ước lượng giá trị độ sâu hoặc trong việc tính tốn các hệ số tương quan. Có thể thấy từ Hình 2.13 rằng giá trị độ sâu của hầu hết các điểm đặc trưng trên thể thấy từ Hình 2.13 rằng giá trị độ sâu của hầu hết các điểm đặc trưng trên khuôn mặt được ước lượng chính xác và
khn mặt được ước lượng chính xác và khơng có thơng tin trước nào về khơng có thơng tin trước nào về các giácác giá
trị độ sâu thực được sử dụng trong tồn bộ quy trình ước lượng. Hệ số tương trị độ sâu thực được sử dụng trong tồn bộ quy trình ước lượng. Hệ số tương quan thu được bằng cách sử dụng cICA_MI là 0,9124, cao hơn các giá trị trung quan thu được bằng cách sử dụng cICA_MI là 0,9124, cao hơn các giá trị trung bình thu
bình thu được bằng được bằng các phương các phương pháp khác pháp khác khi chỉ khi chỉ sử dụng sử dụng một hình một hình ảnh khnảnh khn
mặt khơng nhìn trực diện. Do đó, mức độ chính xác của ước lượng độ sâu có thể mặt khơng nhìn trực diện. Do đó, mức độ chính xác của ước lượng độ sâu có thể được cải thiện một cách hiệu quả bằng cách sử dụng phương pháp tích hợp mơ được cải thiện một cách hiệu quả bằng cách sử dụng phương pháp tích hợp mơ hình được đề xuất khi có nhiều hình ảnh khn mặt xem trực diện hơn. Giá trị hình được đề xuất khi có nhiều hình ảnh khn mặt xem trực diện hơn. Giá trị ước lượng độ sâu của
ước lượng độ sâu của các điểm đặc trưng có thể các điểm đặc trưng có thể được sử dụng trong ước lượngđược sử dụng trong ước lượng
tư thế hoặc nhận dạng khn mặt. Độ chính xác cao hơn trong ước lượng tư thế tư thế hoặc nhận dạng khn mặt. Độ chính xác cao hơn trong ước lượng tư thế hoặc nhận dạng khn mặt nói chung có thể đạt được độ chính xác cao
hoặc nhận dạng khn mặt nói chung có thể đạt được độ chính xác cao hơn củahơn của
ước lượng độ sâu. Vì phương pháp đề xuất đã được chứng minh là có độ chính ước lượng độ sâu. Vì phương pháp đề xuất đã được chứng minh là có độ chính xác ước lượng độ sâu cao hơn các phương pháp khác, do đó, nó có thể cung cấp xác ước lượng độ sâu cao hơn các phương pháp khác, do đó, nó có thể cung cấp ước lượng độ sâu đáng tin cậy hơn để sử dụng trong ước tính tư thế và nhận ước lượng độ sâu đáng tin cậy hơn để sử dụng trong ước tính tư thế và nhận dạng khn mặt.
dạng khn mặt.
2.4.2.5. Mở rộng 2.4.2.5. Mở rộng
Hình 2.14 cho thấy các hoạt động của cICA khi các mơ hình ở dạng q Hình 2.14 cho thấy các hoạt động của cICA khi các mơ hình ở dạng q đầy đủ và dạng bình thường, tức là, các đầu vào của thuật toán cICA lần lượt là đầy đủ và dạng bình thường, tức là, các đầu vào của thuật tốn cICA lần lượt là
q
q vàvà QQ. Chúng ta có thể thấy rằng thuật tốn có thể đạt được mức độ chính xác. Chúng ta có thể thấy rằng thuật tốn có thể đạt được mức độ chính xác
ước lượng độ sâu cao hơn và độ lệch chuẩn nhỏ hơn khi
ước lượng độ sâu cao hơn và độ lệch chuẩn nhỏ hơn khi QQ được sử dụng làm được sử dụng làm
đầu vào của thuật tốn cICA. Do đó, việc sử dụng thơng tin bổ sung trước đó từ đầu vào của thuật tốn cICA. Do đó, việc sử dụng thơng tin bổ sung trước đó từ mơ hình mặt CANDIDE chung để chuyển đổi vấn đề q mức thành mơ hình mơ hình mặt CANDIDE chung để chuyển đổi vấn đề q mức thành mơ hình ICA bình thường được xác nhận là hiệu quả hơn để ước lượng độ sâu.
27 27
Hình 2. 14. So sánh các hoạt động của t
Hình 2. 14. So sánh các hoạt động của thuật tốn cICA dựa trên mơ hìhuật tốn cICA dựa trên mơ hình ICAnh ICA quá mức và bình thường.
quá mức và bình thường.
Hình 2. 15. So sánh các hệ số t
Hình 2. 15. So sánh các hệ số tương quan c (MZb, Mzc) và c (Mxfn ương quan c (MZb, Mzc) và c (Mxfn Mz) cho 30Mz) cho 30 đối tượng.
đối tượng.
Hình 2. 15 cho thấy hệ số tương quan
Hình 2. 15 cho thấy hệ số tương quan cc(( M M zb zb,, M M z z)) của giá trị độ sâu thực và của giá trị độ sâu thực và
giá trị ước lượng độ sâu thu được bằng thuật toán cICA_MI và hệ số tương quan giá trị ước lượng độ sâu thu được bằng thuật toán cICA_MI và hệ số tương quan
28 28
cc(( M M zb zb,, M M zc zc)) giá trị độ sâu thực và giá trị độ sâu của mơ hình CANDIDE. Chúng ta giá trị độ sâu thực và giá trị độ sâu của mơ hình CANDIDE. Chúng ta có thể thấy rằng các giá trị độ sâu ước lượng gần với giá trị độ sâu thực cho hầu có thể thấy rằng các giá trị độ sâu ước lượng gần với giá trị độ sâu thực cho hầu hết các đối tượng, so với mơ hình CANDIDE. Do đó, phương pháp trên có thể hết các đối tượng, so với mơ hình CANDIDE. Do đó, phương pháp trên có thể ước lượng chính xác các giá trị độ sâu của ảnh khn mặt. Tuy nhiên, cũng có ước lượng chính xác các giá trị độ sâu của ảnh khn mặt. Tuy nhiên, cũng có thể nhận thấy rằng có một số cải thiện về hiệu suất đối với một số bài tốn. Điều thể nhận thấy rằng có một số cải thiện về hiệu suất đối với một số bài toán. Điều này có thể là do những lý do sau đây. Như thể hiện trong Hình 2.11, hiệu suất này có thể là do những lý do sau đây. Như thể hiện trong Hình 2.11, hiệu suất thường trở nên ổn định khi số lần lặp tối đa (
thường trở nên ổn định khi số lần lặp tối đa ( N N iteriter
) là khoảng 1500. Tuy nhiên, ) là khoảng 1500. Tuy nhiên, hiệu suất tối ưu có thể khơng đạt được đối với một số bài tốn với số lần lặp này. hiệu suất tối ưu có thể khơng đạt được đối với một số bài toán với số lần lặp này. Hiện tại, vẫn chưa có một tiêu chí hiệu quả để thực hiện việc dừng thực hiện Hiện tại, vẫn chưa có một tiêu chí hiệu quả để thực hiện việc dừng thực hiện sớm. Mặt khác, phương pháp tích hợp mơ hình được đề xuất tương tự như các sớm. Mặt khác, phương pháp tích hợp mơ hình được đề xuất tương tự như các phương
phương pháp pháp tích tích hợp hợp mơ mơ hình hình khác, khác, chẳng chẳng hạn hạn như như phương phương pháp pháp tích tích hợp hợp bộbộ
phân loại. Hiệu suất có thể được cải thiện đáng kể chỉ khi
phân loại. Hiệu suất có thể được cải thiện đáng kể chỉ khi một số điều kiện đượcmột số điều kiện được
thỏa mãn, ví dụ: đầu ra của các mơ hình khác nhau là đa dạng và bổ sung cho thỏa mãn, ví dụ: đầu ra của các mơ hình khác nhau là đa dạng và bổ sung cho nhau.
nhau.
Trong thuật tốn cICA_MI, thống kê bậc nhất, giá trị trung bình, được sử Trong thuật tốn cICA_MI, thống kê bậc nhất, giá trị trung bình, được sử dụng để tính tốn thống kê kết quả thu được khi có nhiều hình ảnh khn mặt dụng để tính tốn thống kê kết quả thu được khi có nhiều hình ảnh khn mặt khơng nhìn trực diện.
khơng nhìn trực diện.
Hình 2. 16. So sánh các hệ số tư
Hình 2. 16. So sánh các hệ số tương quan thu được bằng cách sử dụng 4 thống ơng quan thu được bằng cách sử dụng 4 thống kê bậc nhất khác nhau với phương pháp tích hợp mơ hình cho 30 đối tượng. kê bậc nhất khác nhau với phương pháp tích hợp mơ hình cho 30 đối tượng.
Hình 2.16 cho thấy kết quả thực nghiệm khi 4 thống kê bậc nhất khác Hình 2.16 cho thấy kết quả thực nghiệm khi 4 thống kê bậc nhất khác nhau, cụ thể là giá trị trung bình, trung bình, trung bình điều hịa (hmean) và nhau, cụ thể là giá trị trung bình, trung bình, trung bình điều hịa (hmean) và trung bình hình học (gmean), được sử dụng với phương pháp tích hợp mơ hình. trung bình hình học (gmean), được sử dụng với phương pháp tích hợp mơ hình. Xem xét độ chính xác và tính mạnh mẽ của ước lượng độ sâu, Hình 2.16 cho Xem xét độ chính xác và tính mạnh mẽ của ước lượng độ sâu, Hình 2.16 cho
29 29
thấy rằng phương pháp tích hợp mơ hình có thể đạt được hiệu suất tốt nhất khi