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 2 bpp 1 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