MỘT PHƯƠNG PHÁP TIẾP CẬN NHẬN DẠNG KHUÔN MẶT NGƯỜI BẰNG HUẤN LUYỆN HỌC MÁY

Đàm Minh Lịnh, Nguyễn Hoàng Thành

Tóm tắt


 

 

Nhận dạng khuôn mặt là một kĩ thuật công nghệ sinh trắc học ánh xạ các đặc điểm khuôn mặt người. Tập dữ liệu ảnh Facial Expression Recognition 2013 (FER-2013) gồm có bảy loại biểu cảm khác nhau của khuôn mặt người, được tác giả dùng làm bộ dữ liệu huấn luyện trong nghiên cứu này. Hiện tại, tầm quan trọng của bảo mật hệ thống là hết sức cấp thiết, vì vậy triển khai ứng dụng xác thực nhận dạng khuôn mặt người để đăng nhập vào hệ thống, xác thực trên điện thoại thông minh, chấm công, đeo khẩu trang. Chúng tôi đề xuất mô hình học máy, học sâu với nhiều phương pháp huấn luyện khác nhau kết hợp với tập dữ liệu FER-2013, được mở rộng các định dạng ảnh kích thước (32x32, 48x48, 64x64, 72x72) nhằm mở rộng mục tiêu hướng nghiên cứu và tiến hành thực nghiệm với các mô hình LDA, NB, KNN, DT, SVM. Sau đó, đánh giá sự hiệu quả của từng mô hình các tiêu chí Accuracy, Precision và F1-Score. Kết quả thực nghiệm của chúng tôi đã đóng góp được ba vấn đề chính: một là, mở rộng định dạng bộ dataset với kích thước đa dạng hơn để làm nền tảng cho kết quả nghiên cứu; hai là mô phỏng các mô hình thuật toán khác nhau trong quá trình huấn luyện nhằm đánh giá và so sánh về các tiêu chí ở trên; ba là đề xuất mô hình học sâu CNN được đánh giá
hiệu quả.

 


Từ khóa


thị giác máy tính; Học sâu; nhận diện khuôn mặt; FER-2013; mạng nơ ron

Toàn văn:

PDF

Trích dẫn


Bhairnallykar, S., Prajapati, A., Rajbhar, A., & Mujawar, S. (2020). Convolutional Neural Network (CNN) for Image Detection. International Research Journal of Engineering and Technology (IRJET).

Bledsoe, W. W. (1964). The Model Method in Facial Recognition. Technical Report PRI 15.

Bledsoe, W. W. (1966). Some Results on Multicategory Pattern Recognition. Journal of the ACM, 304-316.

Chauhan, R., Kumar , K. G., & Joshi, R. (2018). Convolutional Neural Network (CNN) for Image Detection and Recognition. First International Conference on Secure Cyber Computing and Communication (ICSCCC).

Goodellow, I. J., Erhan, D., Carrier, P. L., Courville, A., Mirza, M., Hamner, B., . . . H, D. (2015). Challenges in representation learning: A report on three machines learning contests. International Conference on Neural Information Processing, 59-63.

Guo, G., Wang, H., Bell, D., Bi, Y., & Greer, K. (2004). KNN Model-Based Approach in Classification. Northern Ireland, UK.

Huynh, T. T., & Nguyen, T. H. (2021). On the performance of intrusion detection systems with hidden multilayer neural network using DSD training. International Journal of Computer Networks & Communications (IJCNC), 117-137.

Krizhevsky, A., Nair, V., & Hinton, G. (2006). CIFAR-10 dataset. Retrieved from https://www.cs.toronto.edu/~kriz/cifar.html

Nishime, T., Endo, S., Yamada, K., Toma, N., & Akamine, Y. (2016). Feature Acquisition From Facial Expression Image Using Convolutional Neural Networks. Journal of Robotics, Networking and Artificial Life, 9-12.

Raghuvanshi , A., & Choksi, V. (2016). Facial Expression Recognition with Convolutional Neural Networks. CS231n Course Projects Winter.

Rajeswari, R. P., Juliet, K., & Aradhana. (2017). Text Classification for Student Data Set using Naive Bayes Classifier and KNN Classifier. International Journal of Computer Trends and Technology (IJCTT), 8-12.

Sambare , M. (2020). FER-2013. Retrieved from: https://www.kaggle.com/datasets/msambare/fer2013

Samsani, S., & Gottala, V. A. (2020). A real-time automatic human facial Expression recognitiom system using deep neural networks. Information and Communication Technology for Sustainable Development, Singapore, 431-441.

Srivastava, D., & Bhambhu, L. (2010). Data classification using support vector machine. Journal of Theoretical and Applied Information Technology, 1-7.

Taha , B. J., & Mohsin, A. A. (2021). Classification Based on Decision Tree Algorithm for Machine Learning. Journal of Applied Science and Technology Trends (JASTT), 20-28.

Tharwat, A., Gaber, T., Tharwat, A., Ibrahim, Hassanien, & A. E. (2017). Linear discriminant analysis: A detailed tutorial. AI Communications, 169-190.

Wibawa, A. P., Kurniawan, A. C., Murti, D. M., Adiperkasa, R. P., Putra, S. M., Kurniawan, S. A., & & Nugraha, Y. R. (2019). Naïve Bayes Classifier for Journal Quartile Classification. International Journal of Recent Contributions from Engineering, Science & IT (iJES), 91-98.




DOI: https://doi.org/10.54607/hcmue.js.20.1.3652(2023)

Tình trạng

  • Danh sách trống