Atpažinimo sistemos modelis

Veido atpažinimo objektas yra toks pat senas, kaip ir kompiuterio vizija, dėl savo praktinės svarbos ir teorinio mokslininkų susidomėjimo. Nepaisant fakto, kad kiti identifikavimo metodai (tokie kaip pirštų antspaudai arba akies rainelės skenavimas) gali būti tikslesni, veido atpažinimas visada sulaukia didelio tyrimų dėmesio dėl savo neinvazinės prigimties ir dėl to, kad tai yra pirminis žmonių metodas atpažįstant kitus žmones.
Turbūt žymiausią veido atpažinimo pavyzdį parodė Kohonen, kuris pademonstravo, kad netgi paprastas neuronų tinklas gali atlikti veido atpažinimą su centruotais ir normalizuotais veido vaizdais. Jo naudoto tipo tinklas skaičiavo veido aprašymą aproksimuodamas veido vaizdo autokoreliacinės matricos tikrinius vektorius.
Kohonen sistema neturėjo praktinio pasisekimo dėl tikslaus centravimo ir normalizavimo poreikio. Tolimesniais metais daug mokslininkų bandė veido atpažinimo struktūras, paremtas kampais, atstumais tarp veido bruožų ir kitais neuronų tinklo būdais. Nors keletas struktūrų ir buvo sėkmingų esant nedidelėms centruotų vaizdų duomenų bazėms, nei viena sėkmingai negalėjo dirbti su didelėmis duomenų bazėmis, kuriose veido vieta ir dydis yra nežinomi.
Kirby ir Sirovich vėliau pristatė algebrinę manipuliaciją, kuri palengvino tiesioginį veido taškų atvaizdavimą tikriniais vektoriais ir parodė, kad mažiau negu 100 vektorių užteko tiksliai užkoduoti centruotus ir normalizuotus veido vaizdus. Turk ir Petland pademonstravo, kad likutinė paklaida, gauta užkoduojant naudojantis veido taškų atvaizdavimu tikriniais vektoriais, gali būti panaudota tiek aptikti veidus netvarkinguose natūraliuose vaizduose, tiek nustatyti tikslią veido vietą ir dydį vaizduose. Vėliau jie pademonstravo, kad apjungus šį metodą veidų aptikimui ir jų vietos nustatymui su veido taškų atvaizdavimo tikriniais vektoriais atpažinimo metodu, galima pasiekti patikimą, realaus laiko veidų atpažinimą minimaliai apribotoje aplinkoje.
Iki 1933 buvo keletas algoritmų, kurie tvirtino, kad turi tikslų atpažinimą minimaliai apribotose aplinkose. Tam kad būtų galima geriau suprasti šių algoritmų potencialą, DARPA (Defense Advanced Research Projects Agency) ir Army Research Laboratory įkūrė FERET programą, kurios tikslai buvo įvertinti šių algoritmų darbą bei paskatinti technologijų vystymąsi.
Trys algoritmai pademonstravo didžiausią atpažinimo tikslumą esant didelėms duomenų bazėms....

Daugiau informacijos...

★ Klientai rekomenduoja

Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?

Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!