學位論文

Browse

Now showing 1 - 1 of 1

以Multi-Task CNN和One-to-Many資料增量技術為基礎的人臉辨識系統
(2022) 邱筠茜; Chiu, Yun-Chien
近年來生物辨識廣泛的運用在身份驗證上，其好處在於每個人皆擁有獨一無二的生理特徵，透過學習不同的特徵可以有效的區分個體。而人臉辨識系統基於生物辨識的基礎下，透過類神經網路去學習不同人臉間的特徵差異後，可以快速且準確地識別身分。由於傳統的人臉辨識系統使用的人臉偵測架構快速，但偵測結果不穩定使辨識結果受到影響，因此本論文欲使用穩定的人臉偵測架構使其擷取人臉的範圍一致不會有誤判的情形，以及在資料量不足的情況下也透過使用資料增量產生豐富的訓練資料，讓類神經網路可以有效的學習。本實驗比較不同的偵測法則也證實使用 Multi-Task CNN 確實可以讓人臉辨識系統在實際應用的場合上更加穩定，而資料增量使用模擬光影變化的作法，使得影像可以學習光源分布的情形，透過使用 Multi-Task CNN 和資料增量來實作人臉辨識系統，以降低光線對其所造成的影響。