研究生: |
彭涵芸 Peng, Han-Yun |
---|---|
論文名稱: |
人臉辨識系統特徵擷取之研究 Feature Extraction for Face Recognition Systems |
指導教授: |
黃文吉
Hwang, Wen-Jyi |
口試委員: |
葉佐任
Yeh, Tso-Zen 歐謙敏 Ou, Chien-Min |
口試日期: | 2021/08/10 |
學位類別: |
碩士 Master |
系所名稱: |
資訊工程學系 Department of Computer Science and Information Engineering |
論文出版年: | 2021 |
畢業學年度: | 109 |
語文別: | 中文 |
論文頁數: | 49 |
中文關鍵詞: | 類神經網路 、人臉辨識 、Autoencoder |
研究方法: | 實驗設計法 |
DOI URL: | http://doi.org/10.6345/NTNU202101298 |
論文種類: | 學術論文 |
相關次數: | 點閱:206 下載:34 |
分享至: |
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
近年來人工智慧蓬勃發展,應用在眾多領域當中,因此使用生物特徵進行驗證也越來越普遍,通常會利用生物特徵的唯一性來區分生物個體,而人臉辨識是其中的一種方式。人臉辨識有三個步驟,人臉偵測、特徵擷取、人臉識別。在人臉辨識系統中,特徵擷取為重要的一環,有較佳的特徵,可以幫助系統後續的學習與歸納。特徵學習可分為兩類,監督式特徵學習和無監督式特徵學習,兩種方式各有優缺點。
特徵擷取後很難評判選取的好壞,所以希望使用一些視覺化與數據分析的方式,來輔助我們判斷特徵的優劣。人臉辨識系統需要使用當地的資料集,所以在網路上收集亞洲人臉,用來豐富系統的資料集。在視覺化的部分使用Gradient-weighted Class Activation Mapping來觀察類神經網路關注的地方,進而了解擷取的特徵是否為人臉五官。在數據分析的部分使用影像相似度的方法,來觀察與分析特徵擷取結果的好壞。本論文找尋一種驗證機制,來確定無監督式特徵學習中的Autoencoder是否擷取到人臉的重要特徵,在利用上述的驗證機制,來驗證使用Autoencoder作為特徵擷取網路,應用於人臉辨識系統中可否有效提升準確度。
[1] Mei Wang, Weihong Deng. (2020). Deep Face Recognition: A Survey. Computer Vision and Pattern Recognition. arXiv preprint arXiv:1804.06655.
[2] Ramprasaath R. Selvaraju, Abhishek Das, Ramakrishna Vedantam, Michael Cogswell, Devi Parikh, Dhruv Batra. (2016). Grad-CAM: Why did you say that?Visual Explanations from Deep Networks via Gradient-based Localization. Computer Vision and Pattern Recognition.
[3] Ramprasaath R. Selvaraju, Michael Cogswell, Abhishek Das, Ramakrishna Vedantam, Devi Parikh, Dhruv Batra. (2016). Grad-CAM:Visual Explanations from Deep Networks via Gradient-based Localization. Computer Vision and Pattern Recognition
[4] Bolei Zhou, Aditya Khosla, Agata Lapedriza, Aude Oliva, Antonio Torralba. (2016).Learning Deep Features for Discriminative Localization. IEEE Conference on Computer Vision and Pattern Recognition (CVPR).
[5] Zhou Wang, Alan Conrad Bovik, Hamid Rahim Sheikh, Eero P. Simoncelli. (2004). Image Quality Assessment: From Error Visibility to Structural Similarity.
IEEE Transactions on Image Processing.
[6] 邱筠茜. (2021). 以 Multi-Task CNN 和 One-to-Many 資料增量技術為基礎的人臉辨識系統. 國立臺灣師範大學資訊工程學系學位論文.
[7] 蔡佳韋. (2021). 以關係類神經網路與嵌入式平台為基礎實作人臉辨識之研究. 國立臺灣師範大學資訊工程學系學位論文.
[8] 黃奕鈞. (2021).應用於 MTCNN 及關係類神經網路之快速人臉辨識系統. 國立臺灣師範大學資訊工程學系學位論文.
[9] Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian SunDeep. (2016). Residual Learning for Image Recognition. IEEE Conference on Computer Vision and Pattern Recognition (CVPR).
[10] Jiankang Deng, Jia Guo, Niannan Xue, Stefanos Zafeiriou. (2019). ArcFace:
Additive Angular Margin Loss for Deep Face Recognition. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). arXiv preprint arXiv:1801.07698