मैंने हाल ही में चेहरे की पहचान में थोड़ा सा देखा है। हालांकि मैं वहां एल्गोरिदम की संख्या से अतिरंजित हूं।चेहरे की पहचान में कला का राज्य
पीसीए, झील प्राधिकरण, आईडीए, गेबर तरंगिकाएँ, AAM ...
कौन सा एल्गोरिदम आप का प्रयोग करेंगे या जो कागजात आप पढ़ सकते हैं आप this की तरह कुछ बनाना चाहते थे कहो ...?
मुझे लगता है कि पहली बात यह है कि आप क्या करना चाहिए एहसास है कि एल्गोरिदम द्वारा सूचीबद्ध की गई चेहरा पहचानने के विभिन्न चरणों में किया जाता है।
सबसे पहले, आपको प्रतिनिधित्व पर निर्णय लेने की आवश्यकता है, i। ई। उपयोग करने के लिए सुविधाओं। ये कच्चे पिक्सेल, गैबर फ़िल्टर, किसी प्रकार के आकार वर्णनकर्ता, विकृत मॉडल आदि हो सकते हैं
फिर, आप आमतौर पर अपनी विशेषताओं की आयाम को कम करना चाहते हैं। यह वह जगह है जहां पीसीए, आईसीए, या एलडीए जैसे एल्गोरिदम आते हैं, जो प्रोजेक्ट डेटा निम्न भिन्नता (पीसीए) को संरक्षित करने की कोशिश कर रहे निम्न आयामी अंतरिक्ष में इंगित करता है या विभिन्न श्रेणियों (एलडीए) के बिंदुओं के इष्टतम पृथक्करण को सुनिश्चित करता है।
तो आप शायद अलग-अलग लोगों के चेहरों के बीच अंतर करने के लिए अपनी विशेषताओं पर एक वर्गीकृत को प्रशिक्षित करना चाहते हैं। यहां से चुनने के लिए एल्गोरिदम का एक बड़ा हिस्सा है, जैसे निकटतम पड़ोसी, समर्थन वेक्टर मशीनें, छिपे हुए मार्कोव मॉडल, बेयस नेट आदि।
ध्यान दें कि किसी विशेष चरण के लिए एल्गोरिदम की पसंद निर्भर हो सकती है या नहीं अन्य चरणों के लिए एल्गोरिदम पर। उदाहरण के लिए, लगभग किसी भी प्रकार की सुविधाओं की आयाम को कम करने के लिए पीसीए का उपयोग किया जा सकता है। दूसरी तरफ, यह तुरंत स्पष्ट नहीं है कि कोई विकृत जाल द्वारा प्रतिनिधित्व किए गए चेहरों के लिए एक समर्थन वेक्टर मशीन क्लासिफायर का उपयोग कैसे कर सकता है।
मुझे लगता है कि आपको अपनी पहली समस्या को ठीक से परिभाषित करने का प्रयास करना चाहिए। क्या आप केवल कुछ लोगों के चेहरों के बीच अंतर करना चाहते हैं, जैसे फ़ोटो में अपने परिवार के सदस्यों को पहचानना? क्या आप लोगों को एक विशाल डेटाबेस से पहचानना चाहते हैं? क्या आपके पास प्रत्येक चेहरे के लिए बहुत सी प्रशिक्षण छवियां हैं, या केवल कुछ ही? क्या आप विभिन्न उन्मुखताओं और प्रकाश व्यवस्था की स्थिति को संभालना चाहते हैं?
इन सवालों के जवाब यह निर्धारित करते हैं कि आपकी समस्या कितनी जटिल है, और निश्चित रूप से आपकी एल्गोरिदम की पसंद को प्रभावित करेगी।
संपादित करें: यहां किसी ऐसे व्यक्ति की thesis है जिसने एक समान समस्या को हल करने का प्रयास किया है। यह 2002 से है, लेकिन आईएमएचओ यह शुरू करने के लिए एक अच्छी जगह है।
जैसा कि मैंने कहा था कि मैं अपनी विरासत की तरह sth बनाने की सोच रहा था, जहां आप तस्वीरों की एक विस्तृत श्रृंखला इनपुट कर सकते हैं और उदाहरण के एक बड़े डेटाबेस (जिसमें अलग अभिव्यक्ति, मुद्रा और प्रकाश व्यवस्था के साथ एक ही व्यक्ति हो सकता है) निकटतम मैच खोजने के लिए – Maarten
हालांकि आपने मेरे लिए चीजों को और अधिक स्पष्ट बना दिया है। – Maarten
नहीं, वास्तव में आपने यह नहीं बताया कि आपका विशिष्ट लक्ष्य क्या था। लेकिन ऐसा लगता है कि आप पुनर्प्राप्ति नहीं करना चाहते हैं, वर्गीकरण नहीं। तो आप वास्तव में क्या चाहते हैं एक उपयुक्त विशेषता प्रतिनिधित्व का चयन करना है, और दो ऐसे प्रतिनिधित्वों के बीच दूरी माप को परिभाषित करना है। – Dima
मारिलेना पोर्ट पर हायर कास्केड चल रहा है।
एक हायर कास्केड एक एल्गोरिदम है जो एक फ़ाइल पढ़ता है और कंप्यूटर को कुछ ऐसा दिखता है जो बताता है। मैंने इसे अतीत में चेहरे, चश्मा, सिर्फ एक मुस्कुराहट, हाथ और एक कोक का पता लगाने के लिए उपयोग किया है।
मैं चेहरे की पहचान के बारे में बात नहीं कर रहा हूं पहचान नहीं। संपादित करें: वैसे भी धन्यवाद। – Maarten
आप गहराई से नक्शे पर विचार करना चाहते हैं। वह कला की स्थिति है। स्पैर गोलाकार प्रतिनिधित्व के बारे में पढ़ने की कोशिश करें। Eigen चेहरे बस बहुत मजबूत नहीं है। यह कई कारकों के लिए परिवर्तनीय नहीं है। कला चेहरा पहचान राज्य 3 डी पीसीएल का उपयोग कर रहा है जिसमें गहराई से जानकारी है। यह आपको अंधेरे में भी पहचानने की अनुमति देगा। गहराई से जानकारी एकत्र करने के लिए आप एक एसस कैमरा या एक किनेक्ट कैमरा का उपयोग कर सकते हैं। उम्मीद है की वो मदद करदे!
+1 विषय के लिए बहुत दिलचस्प है। –
सामुदायिक विकी ?? – Betamoo