Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 107,438,572
ỨNG DỤNG DEEP LEARNING: NHẬN DIỆN KHUÔN MẶTĐỂXÁC MINH DANH TÍNH SINH VIÊN TRONG PHÒNG THI
Tác giả hoặc Nhóm tác giả:
Nguyễn Thị Uyên Nhi, Phạm Thị Thanh Hà, Nguyễn Ngọc Quỳnh Anh, Trần ThịKim Phú, ĐỗNguyễn Minh Thư, Nguyễn ThịPhương Uyên
Nơi đăng:
TẠP CHÍ KHOA HỌC KINH TẾ;
S
ố:
10(02);
Từ->đến trang
: 83-94;
Năm:
2022
Lĩnh vực:
Công nghệ thông tin;
Loại:
Bài báo khoa học;
Thể loại:
Trong nước
TÓM TẮT
Nhận diện khuôn mặt là một trong những lĩnh vực quan trọng của thị giác máy tính, nhằm xác minh, định danh người dùng dựa vào hình ảnh hay video. Nhận diện khuôn mặt được ứng dụng trong nhiều lĩnh vực như hệ thống an ninh, hệ thống sinh trắc, điểm danh, chấm công, v.v. Nhiều kỹ thuật nhận diện khuôn mặt đã được nghiên cứu pháttriển, trong đó các kỹ thuật học sâu cho độ chính xác vượt trội. Trong bài báo này, một mô hình ứng dụng mạng nơron tích chập CNN được đề xuất nhằm nhận diện khuôn mặt từ hình ảnh để xác minh danh tính sinh viên khi vào phòng thi. Đầu tiên, thuật toán MTCNN được sử dụng để phát hiện khuôn mặt và tiền xử lý dữ liệu, sau đó kết quả sẽ được đưa vào mô hình FaceNet, một mô hình dựa trên mạng CNN của Google, để trích xuất đặc trưng và sử dụng hàm mất mát Triplet để tối ưu hóa việc nhận diện. Bộ ảnh của các sinh viên (STUDUE) được thực hiện cho bài toán đặt ra. Thực nghiệm được thực hiện trên hai tập ảnh Yale và STUDUE cho độ chính xác lần lượt là 92,1% và 88,4%. Kết quả thực nghiệm được so sánh với các công trình nghiên cứu khác trên cùng một tập ảnh, cho thấy tính chính xác và hiệu quả của mô hình đề xuất.
ABSTRACT
Face recognition is one of the critical areas of computer vision, which aims to verify a person's identity based on images or videos. Face recognition is applied in many fields such as security systems, biometric systems, attendance, etc. Many face recognition techniques have been researched and developed, in which deep learning techniques give outstanding accuracy. This paper proposes a model based on Convolutional Neural Network (CNN) to recognize faces from images to verify student identity when entering the exam room. First, we use the MTCNN algorithm for face detection and data preprocessing. Then, the results will be fed into the FaceNet model, a Google model based on CNN, for feature extraction and use the Triplet loss function to optimize the recognition. The student image dataset (STUDUE) is built for this study. Experiments were performed on the Yale and STUDUE image dataset with the accuracy of 92.1% and 88.4%, respectively. The experimental results are compared with otherstudies on the same image dataset, showing the accuracy and efficiency of the proposed model.
[
đhkt.pdf
]
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn