簡易檢索 / 詳目顯示
| 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：223 下載：35 |
| 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
