mgr inż. Rafał Komański styczeń 2004 Rozpoznawania twarzy mgr inż. Rafał Komański styczeń 2004
Wprowadzenie automatyczne przetwarzanie twarzy zastosowanie sieci neuronowe
Podstawowe pojęcia detekcja twarzy rozpoznawanie twarzy analiza wyrazu twarzy kategoryzacja na podstawie rysów twarzy
Detekcja twarzy potrzeba znalezienia twarzy na obrazie lokalizacja przykład:
Rozpoznawanie twarzy baza danych i porównywanie twarzy modele analityczne modele oparte na sieciach neuronowych
Podstawowe pojęcia detekcja twarzy rozpoznawanie twarzy analiza wyrazu twarzy kategoryzacja na podstawie rysów twarzy reprezentacja twarzy
Reprezentacja twarzy 128 128 64 64 32 32 16 16 8 bpp 4 bpp
Pamięci skojarzeniowe zapamiętanie danych wejściowych odtworzanie zapamiętanych danych poprawne odtworzanie wersji uszkodzonej zaszumionej adresowanie kontekstowe
Sieci autoasocjacyjne Sieć Hopfielda Dwuwarstwowy perceptron
Sieć Hopfielda jednowarstwowa, rekurencyjna dyskretna tryb uczenia reguła Hebba tryb odtworzeniowy synchronicznie
Dwuwarstwowy perceptron dwuwarstwowa, neurony sigmoidalne propagacja wsteczna (backpropagation) wolna zbieżność uczenie jako zadanie optymalizacyjne metoda gradientów sprzężonych z regularyzacją (Moller)
Wyniki poprawne odtwarzanie nauczonych obrazów
Wyniki - c.d. zadowalające odtwarzanie częściowo zniekształconych lub zasłoniętych obrazów
Wyniki - c.d. potwierdzenie możliwości wykorzystania pamięci autoasocjacyjnych do zapamiętywania i odtwarzania obrazów twarzy wady: długi czas uczenie i odtwarzania sieci Hopfielda bardzo długi czas uczenia sieci BP, nie zawsze zakończony sukcesem
Problemy Zmienne oświetlenie Różne położenie twarzy na obrazach
Podsumowanie rozpoznawanie twarzy możliwość wykorzystania sieci autoasocjacyjnych do zapamiętywania i odtwarzania obrazów twarzy problemy
Koniec Dziękuję za uwagę