Главная страница
Навигация по странице:

  • Помеха Влияние

    		•

    презентация. презентация_Акимова (2). Методы и алгоритмы машинного обучения


    Скачать 2.33 Mb.
    НазваниеМетоды и алгоритмы машинного обучения
    Анкорпрезентация
    Дата24.06.2022
    Размер2.33 Mb.
    Формат файлаpptx
    Имя файлапрезентация_Акимова (2).pptx
    ТипАнализ
    #614266

    Воронежский государственный университет 2019

    Методы и алгоритмы машинного обучения

    Машинное обучение – это разновидность решения задач искусственного интеллекта, при котором алгоритм не описывается напрямую, a подстраивается под известные результаты сходных задач


    Воронежский государственный университет 2022

    Основные подходы теории машинного обучения


    Машинное обучение

    Обучение с учителем

    Обучение без учителя

    (делать выводы без размеченных

    данных, выявлять скрытые

    закономерности)
    • кластеризация
    • уменьшение размерности
    • выявление аномалий

    (обучить необходимому

    поведению через

    размеченные данные)
    • регрессия
    • классификация

    Воронежский государственный университет 2022

    Цель

    Разработка программного обеспечения для автоматической аутентификации пользователя


    Воронежский государственный университет 2019

    Задачи
    • изучение предметной области распознавания лиц
    • анализ классических методов обнаружения и распознавания
    • анализ современных методов и подходов к распознаванию лиц
    • разработка программной реализации некоторых алгоритмов распознавания лиц
    • исследование эффективности работы разработанной системы

    Алгоритмы

    Обнаружение:

    • Каскады Хаара

      • Распознавание:

    • Анализ совокупностей антропометрических точек лица
    • Сравнение эластичных графов
    • Метод главных компонент
    • Метод Виолы-Джонса
    • Линейный дискриминант Фишера
    • Локальные бинарные шаблоны
    • Гистограмма направленных градиентов
    • Нейронная сеть обратного распространения ошибки, использующая метод главных компонент для вычисления признаков

    Воронежский государственный университет 2019

    Обнаружение: каскады Хаара


    Интегральное представление изображения:

     

    Воронежский государственный университет 2019

    Распознавание: Eigenfaces

    • каждое изображение преобразуется из матрицы [A x B] в вектор размерности λ = А*В
    • находится средний вектор изображений класса μ
    • вычисляется вектор ξ = λ - μ
    • все исходные векторы изображений записываются в матрицу Х = [A x B]x i]
    • вычисляется матрица ковариаций С=XXT
    • вычисляются средние векторы и средние значения матрицы ковариации

    Воронежский государственный университет 2019

    Распознавание: Fisherfaces

    • входное изображение, имеющее расширение АхВ преобразуется в вектор размерности А*B
    • Затем вычисляется среднее значение µk для изображений внутри класса k (1) и для всех входных изображений (2):

      • (1)

      (2)


    Воронежский государственный университет 2019

    Распознавание: Fisherfaces

    • вычисляются матрицы вариаций Sw внутри класса (3) и вариации Sb между С классами (4):
    • Оптимальные собственные векторы могут быть подсчитаны на основе уравнения (5):

      • (5)


    Воронежский государственный университет 2019

    Распознавание: LBPH

    • рассматриваемое изображение делится на N2 ячеек
    • каждый пиксель в ячейке сравнивается с каждым из его 8 соседей
    • Если центральный пиксель темнее соседа, записывается «0». В противном случае записывается «1».
    • каждая локальная гистограмма состоит из (Р – 1) + 3 бит
    • конечный вектор-признак изображения содержит в себе N2*(P*(P – 1) + 3) бит.

    Воронежский государственный университет 2019

    Структурная схема ПО


    Воронежский государственный университет 2019

    UML-диаграммы


    Воронежский государственный университет 2019

    UML-диаграммы


    Воронежский государственный университет 2019

    Обучающие выборки


    Воронежский государственный университет 2019

    Extended Yale Face Database B

    Living Faces in the Wild

    Интерфейс


    Воронежский государственный университет 2019

    Зависимость обнаружения от угла поворота


    Воронежский государственный университет 2019

    Зависимость обнаружения


    Воронежский государственный университет 2019

    Зависимость обнаружения


    Воронежский государственный университет 2019

    Зависимость обнаружения


    Воронежский государственный университет 2019

    Зависимость точности обнаружения


    Помеха
    Влияние

    Угол поворота по оси Oх <= 30

    Нет, если отсутствуют иные помехи

    Угол поворота по оси Oх <= 60

    Нет, если отсутствуют иные помехи

    Угол поворота по оси Oх < 90

    Нет, если отсутствуют иные помехи

    Угол поворота по оси Оу < 30
    Нет, если отсутствуют иные помехи

    Угол поворота по оси Oу > 30

    Лицо не обнаруживается

    Очки с прозрачными линзами
    Нет

    Солнцезащитные очки
    Нет

    Закрыта нижняя часть лица (подбородок и рот)
    Нет, если отсутствуют иные помехи

    Закрыта нижняя часть лица (подбородок, рот и нос)
    Лицо не обнаруживается

    Закрыта левая/правая половина лица
    Нет, если угол поворота по оси Ох минимален

    Воронежский государственный университет 2019

    Воронежский государственный университет 2019

    Воронежский государственный университет 2019

    Время работы компонентов системы


    Воронежский государственный университет 2019

    Компонент
    Время работы (мс)

    Обнаружение лица
    118

    Обучение алгоритма - Eigenfaces
    3504

    Обучение алгоритма - Fisherfaces
    4825

    Обучение алгоритма - LBPH
    258

    Распознавание - Eigenfaces
    0.22

    Распознавание - Fisherfaces
    0.25

    Распознавание - LBPH
    15.78

    Воронежский государственный университет 2019

    написать администратору сайта