日期:9/23
時間:14:00-15:30
地點:S516
演講者:聯合大學資工系-韓欽銓教授
姓名:吳姿瑩
學號:00366173
聽完演講後，我另外在網路上找到了關於韓欽銓教授指導的論文文章，其摘要如下:
人臉辨識演算法通常必須克服一些問題，如角度、光線以及表情變化。為了降低這些問題的影響，已經有許多學者不斷地研究如何在特徵空間中尋找最佳的線性或非線性區別轉換方式以達到較佳的辨識結果。在本研究中，我們提出了一種基於最近特徵空間轉換法的人臉辨識演算法。這種方法是將一個資料點與其最鄰近的資料所構成的直線或是空間，將這一段距離嵌入到區別分析中。透過這樣的方式，可以將類別資訊、區域結構拓樸保留以及最近特徵空間測量這三個因子嵌入到最佳化的區別分析中。在實驗結果中，我們的演算法與其它著名演算法在比較後都有較佳的辨識結果。
除了上述提到的一些問題外，在演講中還提到其他幾個問題:
1.高維度2.部分遮蔽3.訓練樣本太小
最近特徵空間轉換法的人臉辨識演算法，提高人臉辨識率。人臉辨識時包含三個步驟：人臉表示法、具鑑別力特徵的抽取以及資料分類。本技術針對此三個步驟提出一個「多區塊特徵的人臉辨識架構」，萃取出人臉的全域與區域特徵，分別組成五個特徵空間，並在特徵空間轉換改善人臉辨識效果，利用最近特徵空間轉換法技巧。
目前人臉辨識是監控系統或生物認證中的熱門課題，在門禁系統等商業應用上更是有相當大的需求，由於目前攝影機的成本相當低，更促成了相關應用的發展。
人臉辨識我想跟我生活中最相關的例子，莫過於上傳照片到Facebook相簿時,它有個依人臉辨識的工具，並自動幫你標籤好你的好友。這項服務很方便沒錯，但或許因為上述一些人臉辨識的問題，使得有些時候可能會標錯朋友，造成誤差。所以我認為類似的這種問題，還是需要花更多時間去研究與演算的。
資料來源:
沒有留言:
張貼留言