دسته: کامپیوتر و IT
بازدید: 9 بار
فرمت فایل: zip
حجم فایل: 4640 کیلوبایت
تعداد صفحات فایل: 8
A Take on H.O.G Feature Descriptor
Face recognition is one of the most sought-after technologies in the field of machine learning. There are two phases in such a system: Face Detection followed by Face Recognition.
Initially, the faces are detected using a Haar Cascade Classifier on an image in conjunction with the cropping of the cardinal section of the face. A geometric face model is formed with the detection of eyes performed using the Haar Cascade Classifier, while nose detection has been used as a reaffirmation mechanism along with the eyes.
Later, HOG features are extracted from large numbers of facial images to be used as part of the recognition mechanism. These HOG features are then labeled together for a face/user and a Support Vector Machine(SVM) model is trained to predict faces that are fed into the system.
ترجمه بخشی از مقاله:
نگاهی به توصیفگر ویژگی H.O.G
شناسایی چهره، یکی از پرطرفدارترین فناوری ها در زمینه یادگیری ماشین است. در چنین سیستمی دو مرحله وجود دارد: تشخیص چهره در ادامه شناسایی چهره.
در ابتدا، چهره ها با استفاده از یک دسته بندی کننده آبشاری هار بر روی یک تصویر همراه با برشی از بخش اصلی چهره تشخیص داده می شود. یک مدل چهره هندسی با تشخیص چشم ها که با استفاده از دسته بندی کننده آبشاری هار انجام شده، شکل می گیرد؛ در حالی که تشخیص بینی بعنوان یک مکانیسم تایید دوباره همراه با چشم ها استفاده شده است.
سپس، ویژگی های HOG از تعداد زیادی تصاویر صورت استخراج می شوند تا بعنوان بخشی از مکانیسم شناسایی استفاده شوند. سپس، این ویژگی های HOG همراه با یک چهره/کاربر برچسب گذاری می شوند و یک مدل ماشین بردار پشتیبانی (SVM) برای پیش بینی چهره هایی که در سیستم تغذیه (فید) می شوند، آموزش داده می شود.