Đề tài nhận diện khuôn mặt

I. Mục tiêu. II. Thách thức. III. Phương pháp nghiên cứu. IV. Đánh giá. V. Kết luận Phương hướng phát triển. Sử dụng mạng MobileNet thay thế cho VGG16 để giúp hệ thống gọn nhẹ hơn. Sử dụng mạng MobileNet thay thế cho VGG16 để giúp hệ thống gọn nhẹ hơn. Sử dụng mạng MobileNet thay thế cho VGG16 để giúp hệ thống gọn nhẹ hơn. Sử dụng mạng MobileNet thay thế cho VGG16 để giúp hệ thống gọn nhẹ hơn.

NHẬN DIỆN KHUÔN MẶT

Đề tài:

GVHD: TS Trần Vũ Hoàng

Nội dung thuyết trình:

I Mục tiêu

Input

Image khuôn mặtPhát hiện khuôn mặtXác định output image

II Thách thức

Backgrounds

View

Lighting Effects Blur

and Fade

II Thách thức

Small Face

- Kiến trúc SSDgiải quyết đượcđiều này

hệ thống gọn nhẹ hơn.

III Phương Pháp nghiên cứu

Kiến trúc SSD gốc

III Phương Pháp nghiên cứu.

RFB

III Phương Pháp nghiên cứu.

Mạng MobileNet Mạng VGG16

III Phương Pháp nguyên cứu.

Mạng RFB

III Phương Pháp nghiên cứu.

MobileNet

IV Đánh giá

WIDER FACE: A Face Detection Benchmark

IV Đánh giá

Model Accuracy Paramenter

MobileNet

224 70.6% 4.2MVGG16 71.5% 138M

Thay thế backbone VGG16 thành MobileNet:

IV Đánh giá

Framework Model mAP Paramenter

SSD 300

VGG-16 Inception V2 Mobile Net

21.1%

22.0%

19.3%

33.1M 13.7M 6.8M

Faster-RCNN

300

VGG-16 Inception V2 Mobile Net

22.9%

15.4%

16.4%

138.5M 13.3M

IV Đánh giá

- Tốc độ FPS có thể đạt hơn 50 fps trên laptop

Kết quả đạt được:

- Tốc độ FPS có thể đạt ~ 60 fps trên JETSON TX2

IV Đánh giá

- Giải quyết được các thách thức đề ra:

Kết quả đạt được:

V Phương hướng phát triển

Các loại bài toán nhận diện

THANKS FOR LISTENING