tailieunhanh - Nhận diện mặt người bằng mạng noron tích chập nối tầng đa nhiệm

Mục đích của bài viết là nhận diện mặt người theo các bước i) bước một: tách khuôn mặt trong ảnh, trích xuất các đặt trưng khuôn ii) bước hai phân tích, xác minh danh tính người cần nhận dạng. | ISSN ISSN 2354-0575 2354-0575 NHẬN DIỆN MẶT NGƯỜI BẰNG MẠNG NORON TÍCH CHẬP NỐI TẦNG ĐA NHIỆM Vũ Thị Thềm1 Nguyễn Quang Hoan2 Nguyễn Thị Hồng3 1 Trung tâm GDNN-GDTX Gia Lộc Hải Dương 2 Trường Đại học Sư phạm Kỹ thuật Hưng Yên 3 Học viện Công nghệ Bưu chính Viễn thông. Ngày tòa soạn nhận được bài báo 16 10 2019 Ngày phản biện đánh giá và sửa chữa 26 11 2019 Ngày bài báo được duyệt đăng 06 12 2019 Tóm tắt Mục đích của bài báo là nhận diện mặt người theo các bước i bước một tách khuôn mặt trong ảnh trích xuất các đặt trưng khuôn ii bước hai phân tích xác minh danh tính người cần nhận dạng. Bước thứ nhất thực hiện dựa trên mô hình mạng Noron tích chập nối tầng đa nhiệm Multi-Task Cascaded Convolutional Networks MTCNN và bước thứ hai dựa trên mạng Noron tích chập Convolutional Neural Network CNN . Bài báo áp dụng phương pháp phát hiện khuôn mặt bằng MTCNN được thử nghiệm với độ chính xác cao. Từ khóa Mạng Noron tích chập nối tầng đa nhiệm mạng Noron tích chập nhận diện mặt người 1. Giới thiệu bản của một mạng CNN. 7 10 Hiện nay có nhiều phương pháp phát hiện Lớp tích chập thể hiện sự liên kết cục bộ và mặt người như Haar Cascade Histogram of được tính toán bằng phép tích chập giữa các giá Oriented Gradians HOG MTCNN. Phương trị điểm ảnh trong một vùng ảnh cục bộ với các pháp của Haar Cascade cho kết quả nhanh nhất bộ lọc có kích thước nhỏ. Đầu vào của các lớp là nhưng chỉ hoạt động tốt với mặt nhìn chính diện ảnh biểu diển bởi ma trận có kích thước và dễ bị ảnh hưởng môi trường ánh sáng 1 2 3 H W D trong đó W chiều rộng H chiều cao Phương pháp HOG cho kết quả nhanh thứ hai ít D độ sâu hay số lớp màu của ảnh với bộ lọc bị ảnh hưởng bởi ánh sáng môi trường ngoài được sử dụng là ma trận vkích thước FxF. Bộ lọc nhưng hoạt động kém khi mặt bị nhiều che lấp. này dịch chuyển lần lượt qua từng vùng cho đến Phương pháp MTCNN xử lý chậm so với hai khi toàn bộ ảnh được quét kết quả là ma trận phương pháp kia nhưng hoạt động tốt ngay cả điểm ảnh mới có kích thước nhỏ hơn hoặc bằng

• Kỹ thuật lập trình
• Mạng noron tích chập nối tầng đa nhiệm
• Mạng noron tích chập
• Nhận diện mặt người
• Nhận diện ảnh
• Mạng CNN xếp chồng