tailieunhanh - Hệ thống phát hiện và nhận diện mặt người sử dụng mô hình Squeezenet và SSD

Nội dung bài viết trình bày hệ thống phát hiện và nhận diện mặt người sử dụng mô hình Squeezenet và SSD. Để hiểu rõ hơn, mời các bạn tham khảo chi tiết nội dung bài viết. | Hệ thống phát hiện và nhận diện mặt người sử dụng mô hình Squeezenet và SSD Hệ Thống Phát Hiện Và Nhận Diện Mặt Người Sử Dụng Mô Hình SQUEEZENET Và SSD Lê Hà Nguyên(1*), Lê Đức Hùng (1**) (1) Phòng thí nghiệm DESLAB, Khoa Điện tử - Viễn thông, Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Email: (*)lehanguyen97@, (**)ldhung@ Abstract — Trong bài báo này, chúng tôi đề xuất hệ thống phát cảnh, Các đặc trưng được học ở các lớp đầu tương ứng với hiện và nhận diện khuôn mặt sử dụng mạng nhân chập sâu. Các các đặc trưng được con người thiết kế (như đường thẳng, phương pháp gần đây chú trọng vào việc nâng cao độ chính xác, trong khi có rất nhiều mô hình mạng nhân chập sâu có thể đạt góc, ), và các lớp phía sau mang tính trừu tượng cao mang lại được độ chính xác có thể chấp nhận được. Hệ thống đề xuất sử độ chính xác tương đương hoặc tốt hơn con người. dụng các phương pháp, mô hình mạng nhân chập nhỏ, tập trung Phát hiện khuôn mặt là tiền đề cho những ứng dụng liên quan vào tốc độ trong khi vẫn giữ được độ chính xác cần thiết. Cụ thể đến khuôn mặt. Các phương pháp truyền thống sử dụng các thuật chúng tôi sử dụng mô hình SqueezeNet và Single Shot Multibox Detector (SSD). Việc sử dụng các mạng nhỏ giúp dễ huấn luyện, toán đề xuất khu vực kết hợp với mô hình để nhận diện khuôn triển khai và ứng dụng. Mô hình phát hiện khuôn mặt sử dụng mặt. Về mô hình nhận diện, với sự đa dạng của hình dáng khuôn TinySSD, kết hợp giữa SSD và SqueezeNet, có AP 85% và đạt tốc mặt, kèm theo các vật cản, điều kiện ánh sáng, khiến cho việc độ 110 fps, gấp đôi so với mô hình SSD gốc sử dụng mạng VGG16 trong khi yêu cầu số lượng tham số. Mô hình nhận diện phát hiện khuôn mặt trong thực tế gặp nhiều khó khăn. Có nhiều khuôn mặt sử dụng SqueezeNet độ chính xác 98% trên tập dữ liệu thuật toán phát hiện khuôn mặt, điển hình là Viola – Jones [2], FDDB, ngang ngửa với con người, trong khi chỉ sử dụng 1% số sử dụng các