tailieunhanh - Đánh giá hiệu năng máy vector hỗ trợ sử dụng hàm nhân radial basic trong hệ thống nhận dạng khuôn mặt sử dụng khối trích xuất PCA-LDA

Bài viết trình bày phương pháp hiệu quả để nhận dạng khuôn mặt được trình bày để giải quyết tốt sự biến đổi về biểu cảm khuôn mặt, tư thế mặt, và điều kiện chiếu sáng. Phương pháp này được dựa trên sự kết hợp giữa Phân tích thành phần chính (PCA), Phân tích sự khác biệt tuyến tính (LDA) và máy vector hỗ trợ (SVM) sử dụng hàm Radial Basic (RBF). Mời các bạn cùng tham khảo! | Hội Thảo Quốc Gia 2015 về Điện Tử Truyền Thông và Công Nghệ Thông Tin ECIT 2015 Hội Thảo Quốc Gia 2015 về Điện Tử Truyền Thông và Công Nghệ Thông Tin ECIT 2015 Đánh Giá Hiệu Năng Máy Vector Hỗ Trợ Sử Dụng Hàm Nhân Radial Basic trong Hệ Thống Nhận Dạng Khuôn Mặt Sử Dụng Khối Trích Xuất PCA-LDA Phạm Văn Tuấn Hà Xuân Cường Hồ Đức Trung Trung tâm Xuất Sắc Đại học Bách Khoa Đà Nẵng Đà Nẵng Việt Nam Email pvtuan@ haxuancuong187@ trunghoduc_1992@ Tóm tắt Trong bài báo này một phương pháp hiệu quả Mặt khác PCA và LDA là các phương pháp trích xuất để nhận dạng khuôn mặt được trình bày để giải quyết tốt thuộc tính cơ bản. Hai hướng tiếp cận này có thể giúp giảm sự biến đổi về biểu cảm khuôn mặt tư thế mặt và điều kiện bớt đáng kể khối lượng tính toán cho hệ thống nhận dạng chiếu sáng. Phương pháp này được dựa trên sự kết hợp giữa từ đó rút ngắn thời gian hoạt động. Chỉ riêng PCA hoặc Phân tích thành phần chính PCA Phân tích sự khác biệt tuyến tính LDA và máy vector hỗ trợ SVM sử dụng hàm LDA cũng tạo ra hiệu năng tốt khi kết hợp với SVM 5 Radial Basic RBF . Các thử nghiệm đã được tiến hành trên 6 7 . tập cơ sở dữ liệu hình ảnh Grimace Sheffield và Yale B mở rộng Extended Yale B . Hiệu năng của phương pháp được đề xuất cũng được so sánh với ba phương pháp khác đó là PCA và RBF SVM PCA và Linear SVM PCA-LDA và Linear SVM. Kết quả đã chỉ ra rằng phương pháp sử dụng PCA-LDA và RBF SVM cho kết quả nhận dạng cao Hình 1. Sơ đồ khối của hệ thống nhận dạng và đáng tin cậy đối với sự thay đổi về biểu cảm khuôn mặt tư thế mặt và điều kiện chiếu sáng. Từ khóa Phân tích thành phần chính Phân tích sự khác Trong bài báo này một nghiên cứu đối sánh được thực biệt tuyến tính Máy vector hỗ trợ Hàm Radial Basic Máy hiện để đánh giá hiệu năng của hệ thống nhận dạng sử vector hỗ trợ tuyến tính. dụng các phương pháp trích xuất thuộc tính cơ bản PCA LDA cùng với SVM. Sau khi tiến hành việc so sánh hệ I. ĐẶT VẤN ĐỀ thống tốt nhất được đề xuất. Hệ thống này phải có .

TỪ KHÓA LIÊN QUAN
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.