Nâng cao độ chính xác nhận dạng khuôn mặt dựa trên mô hình CNN học sâu kết hợp với đặc trưng hog và bộ phân lớp SVM
Bài báo này đề xuất một giải pháp hiệu quả để nâng cao độ chính xác
nhận dạng khuôn mặt từ một ảnh đầu vào bất kỳ hoặc trực tiếp từ camerra. Về cơ
bản, việc cải thiện độ chính xác nhận dạng được tiến hành ở cả ba công đoạn chính
của quy trình nhận dạng bao gồm phát hiện, trích chọn đặc trưng và phân lớp khuôn
mặt. Trong đó, phương pháp trích chọn đặc trưng HOG và bộ phân lớp tuyến tính
SVM được sử dụng trong quá trình phát hiện khuôn mặt người trên ảnh, các lớp
mạng học sâu CNN được xây dựng để tự động trích chọn các đặc trưng biểu diễn
khuôn mặt và cuối cùng sử dụng các bộ phân lớp SVM để phân lớp (nhận dạng)
khuôn mặt.
Nâng cao độ chính xác nhận dạng khuôn mặt dựa trên mô hình CNN học sâu kết hợp với đặc trưng hog và bộ phân lớp SVM trang 1
Nâng cao độ chính xác nhận dạng khuôn mặt dựa trên mô hình CNN học sâu kết hợp với đặc trưng hog và bộ phân lớp SVM trang 2
Nâng cao độ chính xác nhận dạng khuôn mặt dựa trên mô hình CNN học sâu kết hợp với đặc trưng hog và bộ phân lớp SVM trang 3
Nâng cao độ chính xác nhận dạng khuôn mặt dựa trên mô hình CNN học sâu kết hợp với đặc trưng hog và bộ phân lớp SVM trang 4
Nâng cao độ chính xác nhận dạng khuôn mặt dựa trên mô hình CNN học sâu kết hợp với đặc trưng hog và bộ phân lớp SVM trang 5
Tải về để xem đầy đủ hơn
File đính kèm:
nang_cao_do_chinh_xac_nhan_dang_khuon_mat_dua_tren_mo_hinh_c.pdf
