Mô hình thống kê học sâu trong nhận dạng khuôn mặt

MÔ HÌNH THỐNG KÊ HỌC SÂU<br /> TRONG NHẬN DẠNG KHUÔN MẶT<br /> DEEP LEARNING STATISTIC MODEL IN FACE RECOGNITION<br /> <br /> Đỗ Thành Công<br /> Khoa Công nghệ thông tin,<br /> Trường Đại học Kinh doanh và Công nghệ Hà Nội<br /> E-mail: plc1810@gmail.com<br /> <br /> <br /> Ngày tòa soạn nhận được bài báo: 28/11/2018<br /> Ngày phản biện đánh giá: 18/12/2018<br /> Ngày bài báo được duyệt đăng: 28/12/2018<br /> <br /> <br /> Tóm tắt: Học sâu là thuật toán dựa trên một số ý tưởng từ não bộ tới việc tiếp thu<br /> nhiều tầng biểu đạt, diễn tả cả cụ thể lần trừu tượng, từ đó làm rõ nghĩa các loại dữ liệu.<br /> Học sâu được ứng dụng trong nhận diện hình ảnh, giọng nói, xử lý ngôn ngữ tự nhiên.<br /> Convolutional Neural Network (CNNs) là một trong những mô hình của học sâu đem lại<br /> kết quả có độ chính xác cao.<br /> Từ khóa:<br /> Summary: Deep learning refers to the number of layers through which the data is<br /> transformed. Deep learning is also known as deep structured learning and a part of a<br /> broader family of neural network methods based on convolutional neural networks (CNN)<br /> s. Deep learning is applied in image recognition, voice, natural language processing. It is<br /> one of the deep learning models that results in high accuracy.<br /> Keywords: Face Detection, Deep Learning, Convolutional Neural Network (CNNs)<br /> <br /> <br /> I. GIỚI THIỆU<br /> 1. Định nghĩa xác định khuôn mặt<br /> Xác định khuôn mặt người (Face Detection) là một kỹ thuật máy tính để xác định các vị trí và<br /> các kích thước của khuôn mặt trong các ảnh bất kỳ (ảnh kỹ thuật số). Kỹ thuật này nhận biết các<br /> đặc trưng của khuôn mặt và bỏ qua các thứ khác như: tòa nhà, cây cối, cơ thể, …<br /> 2. Ứng dụng nhận dạng khuôn mặt<br /> <br /> 4 TẠP CHÍ KHOA HỌC<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br />  Bài toán nhận dạng khuôn mặt được phát triển từ những năm 1990, đến nay bài toán đã<br /> được ứng dụng trong rất nhiều lĩnh vực khác nhau.<br /> Xác minh tội phạm: Dựa vào ảnh của một người, nhận dạng xem người đấy có phải là tội<br /> phạm hay không bằng cách so sách với các ảnh tội phạm đang được lưu trữ. Hoặc có thể sử<br /> dụng camera để phát hiện tội phạm trong đám đông. Ứng dụng này giúp cơ quan an ninh quản<br /> lý con người tốt hơn.<br /> Camera chống trộm: Các hệ thống camera sẽ xác định đâu là con người và theo dõi xem<br /> con người đó có làm gì phạm pháp không, ví dụ như lấy trộm đồ, xâm nhập bất hợp pháp vào<br /> một khu vực nào đó.<br /> Bảo mật: Các ứng dụng về bảo mật rất đa dạng, một trong số đó là công nghệ nhận dạng<br /> mặt người của máy tính, điện thoại. Công nghệ này cho phép chủ nhân của thiết bị chỉ cần cho<br /> camera chụp hình đúng khuôn mặt là có thể đăng nhập.<br /> Lưu trữ khuôn mặt: Xác định mặt người có thể được ứng dụng trong các trạm rút tiền tự động<br /> (ATM). Lưu trữ được khuôn mặt của người rút tiền, ngân hàng có thể đối chứng và xử lý dễ dàng<br /> các trường hợp rút tiền phạm pháp.<br /> Trong thiết bị di động hay mạng xã hội, lưu trữ khuôn mặt giúp nhận dạng ảnh, phân loại ảnh<br /> bạn bè một cách nhanh chóng.<br /> Tìm kiếm và tổ chức dữ liệu liên quan đến con người thông qua khuôn mặt người trên nhiều<br /> hệ cơ sở dữ liệu lưu trữ thật lớn, như internet, các hãng truyền hình, …. ví dụ: tìm các phim có<br /> diễn viên Thành Long đóng, tìm các trận đá bóng có Quang Hải đá, …<br /> Trong chụp hình, nhận dạng khuôn mặt để máy chụp hình thế hệ mới để cho kết quả hình<br /> ảnh đẹp hơn, nhất là khuôn mặt người.<br /> Một số hãng xe nhận dạng khuôn mặt để kiểm tra lái xe có ngủ gật hay không để thông báo<br /> khi cần thiết.<br /> 3. Các phương pháp tiếp cận:<br /> Để xác định khuôn mặt trong ảnh ta có thể sử dụng theo bốn hướng tiếp cận chính. Ngoài<br /> ra cũng có rất nhiều nghiên cứu mà phương pháp xác định mặt người không chỉ dựa vào một<br /> hướng mà có liên quan đến nhiều hướng.<br /> Hướng tiếp cận tri thức: các đặc trưng của khuôn mặt sẽ được mã hóa thành các luật. Thông<br /> thường các luật thường mô tả các quan hệ của đặc trưng như khuôn mặt thường có hai mắt đối<br /> xứng qua trục thẳng đứng ở giữa khuôn mặt và có một mũi, một miệng. Các quan hệ đặc trưng<br /> có thể được mô tả như quan hệ về khoảng cách và vị trí.<br /> Hướng tiếp cận đặc trưng không thay đổi: xác định khuôn mặt người dựa trên các đặc trưng<br /> không bị thay đổi khi thay đối tư thế khuôn mặt , vị trí quan sát hay điều kiện ánh sáng thay đổi.<br /> Đã có rất nhiều nghiên cứu về hướng tiếp cận này, các đặc điểm không thay đổi được tìm thấy<br /> như màu da, lông mày, mắt, mũi, miệng hay các đường viền trên tóc …<br /> Hướng tiếp cận so khớp mẫu: các mẫu chuẩn của khuôn mặt (thường là khuôn mặt được<br /> <br /> TẠP CHÍ KHOA HỌC 5<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br /> chụp thẳng) sẽ được xác định trước hoặc được biểu diễn thành một hàm với các tham số cụ<br /> thể. Từ ảnh đầu vào, ta tính các giá trị tương quan so với các mẫu chuẩn về đường viền khuôn<br /> mặt, mắt, mũi và miệng. Thông qua các giá trị tương quan này mà hệ thống sẽ quyết định có hay<br /> không có tồn tại khuôn mặt trong ảnh.<br /> Hướng tiếp cận dựa trên diện mạo: Hướng tiếp cận dựa trên diện mạo trái ngược với hướng<br /> tiếp cận dựa trên so sánh khớp mẫu (các mẫu đã được các nhà nghiên cứu định nghĩa trước),<br /> các mẫu trong hướng tiếp cận này được học từ một tập ảnh mẫu. Có thể nói hướng tiếp cận dựa<br /> trên diện mạo áp dụng các kỹ thuật theo hướng xác suất thống kê và học máy để tìm những đặc<br /> tính liên quan của khuôn mặt và không phải là khuôn mặt.<br /> II. MÔ HÌNH HỌC SÂU (DEEP LEARNING)<br /> Học sâu là phương pháp sử dụng nhiều lớp các đơn vị xử lý phi tuyến để trích trọn các đặc<br /> trưng và chuyển đổi. Trong các lớp này thì giá trị của các lớp đầu ra của lớp trước sẽ là giá trị<br /> đầu vào cho lớp kế tiếp nó. Các thuật toán được sử dụng có thể là thuật toán học có giám sát<br /> hoặc không có giám sát. Học sâu thì thường được áp dụng cho các mô hình nhận dạng mẫu và<br /> các bài toán phân loại thống kê. Các thuật toán học sâu khác so với các thuật toán học nông ở<br /> việc biến đổi các tín hiệu tham số khi nó truyền từ lớp đầu vào cho lớp đầu ra, nơi một tham số<br /> biến đổi là một đơn vị xử lý có khả năng huấn luyện cho các tham số, chẳng hạn như trọng số<br /> và ngưỡng.<br /> 1. Giới thiệu về mạng Neuron<br /> Mạng neuron nhân tạo, Artificial Neuron Network (ANN) gọi tắt là mạng neuron, neuron<br /> network, là một mô hình xử lý thông tin phỏng theo cách thức xử lý thông tin của các hệ neuron<br /> sinh học. Nó được tạo lên từ một số lượnglớn các phần tử (gọi là phần tử xử lý hay neuron) kết<br /> nối với nhau thông qua cácliên kết (gọi là trọng số liên kết) làm việc như một thể thống nhất để<br /> giải quyết mộtvấn đề cụ thể nào đó.<br /> Một mạng neuron nhân tạo được cấu hình cho một ứng dụng cụ thể (nhận dạng mẫu, phân<br /> loại dữ liệu ...) thông qua một quá trình học từ tập các mẫu huấn luyện. Về bản chất học chính<br /> là quá trình hiệu chỉnh trọng số liên kết giữa các neuron.<br /> Kiến trúc chung của một mạng nơron nhân tạo (ANN) gồm 3 thành phần đó là: Input Layer,<br /> Hidden Layer và Output Layer<br /> <br /> <br /> <br /> <br /> Hình 1. Mô hình mạng Neuron<br /> <br /> <br /> 6 TẠP CHÍ KHOA HỌC<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br />  Theo hình trên, lớp ẩn (Hidden Layer) gồm các Nơron nhận dữ liệu input từ các Nơron ở lớp<br /> (Layer) trước đó và chuyển đổi các input này cho các lớp xử lý tiếp theo. Trong một ANN có thể<br /> có nhiều lớp ẩn.<br /> 2. Huấn luyện mạng Neuron<br /> Mạng neuron nhân tạo phỏng theo việc xử lý thông tin của bộ não người, do vậy đặc trưng<br /> cơ bản của mạng là có khả năng học, khả năng tái tạo các hình ảnh và dữ liệu khi đã học. Trong<br /> trạng thái học thông tin được lan truyền theo hai chiều nhiều lần để học các trọng số. Có 3 kiểu<br /> học chính, mỗi kiểu học tương ứng với một nhiệm vụ học trừu tượng. Đó là học có giám sát (có<br /> mẫu), học không giám sát và học tăng cường. Thông thường loại kiến trúc mạng nào cũng có<br /> thể dùng được cho các nhiệm vụ.<br /> Học cố giám sát: Là cách huấn luyện một mô hình trong đó dữ liệu học có đầu vào và đầu ra<br /> tương ứng đầu vào đó. Mô hình được huấn luyện bằng cách giảm thiểu sai số lỗi (loss) của các<br /> dự đoán tại các vòng lặp huấn luyện. Sau quá trình huấn luyện. mô hình sẽ có khả năng đưa ra<br /> dự đoán về đầu ra với một đầu vào mới gặp (không có trong dữ liệu học). Nếu không gian đầu ra<br /> được biểu diễn dứới dạng rời rạc, ta gọi đó là bài toán phân loại (classification). Nếu không gian<br /> đầu ra được biểu diễn dưới dạng liên tục, ta gọi đó là bài toán hồi quy (regression).<br /> Học không giám sát: là cách huấn luyện một mô hình trong đó dữ liệu học chỉ bao gồm đầu<br /> vào mà không có đầu ra. Mô hình sẽ được huấn luyện cách để tìm cấu trúc hoặc mối quan hệ<br /> giữa các đầu vào. Một trong những phương pháp học không giám sát quan trọng nhất là phân<br /> cụm (clustering): Tạo các cụm khác nhau với mỗi cụm biểu diễn một đặc trưng nào đó của dữ<br /> liệu và phân các đầu vào mới vào các cụm theo các đặc trưng của đầu vào đó.<br /> Học tăng cường: là phương pháp huấn luyện hệ thống tự động. Phương pháp này không<br /> cần dữ liệu ban đầu mà sẽ thu thập dữ liệu thông qua phép thử đúng hay sai.<br /> 3. Mạng neuron tích chập<br /> Convolutional Neuron Network (CNNs – Mạng neuron tích chập) là một trong những mô hình<br /> Deep Learning tiên tiến giúp cho chúng ta xây dựng được những hệ thống thông minh với độ<br /> chính xác cao như hiện nay.<br /> Tích chập là một cửa sổ trên một mặt trận mô tả như hình:<br /> <br /> <br /> <br /> <br /> Hình 2. Mô hình tổ hợp tích chập<br /> <br /> <br /> TẠP CHÍ KHOA HỌC 7<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br />  Ma trận bên trái là một bức ảnh đen trắng. Mỗi giá trị của ma trận tương đương với một điểm<br /> ảnh (pixel), 0 là màu đen, 1 là màu trắng (nếu là ảnh grayscale thì giá trị biến thiên từ 0 đến 255).<br /> <br /> Sliding window còn có tên gọi là kernel, filter hay feature detector. Ở đây, ta dùng một ma<br /> trận filter 3×3 nhân từng thành phần tương ứng (element-wise) với ma trận ảnh bên trái. Gía trị<br /> đầu ra do tích của các thành phần này cộng lại. Kết quả của tích chập là một ma trận (convoled<br /> feature) sinh ra từ việc trượt ma trận filter và thực hiện tích chập cùng lúc lên toàn bộ ma trận<br /> ảnh bên trái.<br /> <br /> Mạng neuron tích chập bao gồm các lớp sau: lớp Convolutional, lớp RELU, lớp Pooling, lớp<br /> Fully connected. Sự sắp xếp về số lượng và thứ tự giữa các lớp này sẽ tạo ra những mô hình<br /> khác nhau phù hợp cho các bài toán khác nhau.<br /> <br /> Lớp Convolutiinal: Lớp này chính là nơi thể hiện tư tưởng ban đầu của mạng nơ-ron tích<br /> chập. Thay vì kết nối toàn bộ điểm ảnh, lớp này sẽ sử dụng một bộ các bộ lọc (filters) có kích<br /> thước nhỏ so với ảnh (thường là 3×3 hoặc 5×5) áp vào một vùng trong ảnh và tiến hành tính<br /> tích chập giữa bộ filter và giá trị điểm ảnh trong vùng cục bộ đó. Bộ filter sẽ lần lượt được dịch<br /> chuyển theo một giá trị bước trượt (stride) chạy dọc theo ảnh và quét toàn bộ ảnh.<br /> <br /> Lớp RELU: Lớp này thường được cài đặt ngay sau lớp Convolutional. Lớp này sử dụng hàm<br /> kích hoạt f(x) = max(0,x)f(x)=max(0,x). Nói một cách đơn giản, lớp này có nhiệm vụ chuyển toàn<br /> bộ giá trị âm trong kết quả lấy từ lớp Convolutional thành giá trị 0. Ý nghĩa của cách cài đặt này<br /> chính là tạo nên tính phi tuyến cho mô hình. Tương tự như trong mạng truyền thẳng, việc xây<br /> dựng dựa trên các phép biến đổi tuyến tính sẽ khiến việc xây dựng đa tầng đa lớp trở nên vô<br /> nghĩa. Có rất nhiều cách để khiến mô hình trở nên phi tuyến như sử dụng các hàm kích hoạt<br /> sigmoid, tanh, … nhưng hàm f(x) = max(0,x)f(x)=max(0,x) dễ cài đặt, tính toán nhanh mà vẫn<br /> hiệu quả.<br /> <br /> Lớp Pooling: Lớp này sử dụng một cửa sổ trượt quét qua toàn bộ ảnh dữ liệu, mỗi lần trượt<br /> theo một bước trượt (stride) cho trước. Khác với lớp Convolutional, lớp Pooling không tính tích<br /> chập mà tiến hành lấy mẫu (subsampling). Khi cửa sổ trượt trên ảnh, chỉ có một giá trị được xem<br /> là giá trị đại diện cho thông tin ảnh tại vùng đó (giá trị mẫu) được giữ lại. Các phương thức lấy<br /> phổ biến trong lớp Pooling là MaxPooling ( lấy giá trị lớn nhất), MinPooling (lấy giá trị nhỏ nhất)<br /> và AveragePooling (lấy giá trị trung bình).<br /> <br /> Lớp Fully connected: Lớp này tương tự với lớp trong mạng nơ-ron truyền thẳng, các giá trị<br /> ảnh được liên kết đầy đủ vào node trong lớp tiếp theo. Sau khi ảnh được xử lý và rút trích đặc<br /> trưng từ các lớp trước đó, dữ liệu ảnh sẽ không còn quá lớn so với mô hình truyền thẳng nên ta<br /> có thể sử dụng mô hình truyền thẳng để tiến hành nhận dạng.<br /> <br /> III. XÂY DƯNG KIẾN TRÚC MẠNG CNNS NHẬN DẠNG KHUÔN MẶT<br /> <br /> 1. Xây dựng mạng CNNs<br /> <br /> Xây dựng tầng Convolutiinal: sử dụng ảnh có kích thước (32*32*3). Sử dụng 6 bước lọc mỗi<br /> bước lọc có kích thước (5*5*3) ta sẽ được bản đồ kích thước 28.<br /> <br /> 8 TẠP CHÍ KHOA HỌC<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br />  Hình 3. Tầng Convolutiinal<br /> Xây dựng tầng Pooling: Sử dụng 64 bộ lọc filter có kích thước [244*244*64] thực hiện với<br /> thông số F= 2, S=2 ta sẽ thu được đàu ra kích thước [112*112*64]<br /> <br /> <br /> <br /> <br /> Hình 4. Mô hình pooling cho ảnh<br /> <br /> Xây dựng hàm biến đổi tuyến tính: Về cơ bản, covolution là một phép biển đổi tuyến tính.<br /> Nếu tất cả các neuron được tổng hợp bởi các phép biến đổi tuyến tính thì một mạng neuron đều<br /> có thể đưa về dưới dạng một hàm tuyến tính. Tuy nhiên, các nghiên cứu gần đây chứng minh<br /> được việc sử dụng hàm ReLu (Rectified Linear Unit) là đáng tin cậy nhất.<br /> <br /> Kết nối Fully-connected: cách kết nối các neural ở hai tầng với nhau trong đó tầng sau kết<br /> nối đẩy đủ với các neural ở tầng trước nó. Đây cũng là dạng kết nối thường thấy ở ANN, trong<br /> CNN tầng này thường được sử dụng ở các tầng phí cuối của kiến trúc mạng.<br /> <br /> Trong bài toán phân lớp ảnh , CNNs sẽ được mô tả như sau:<br /> <br /> [[CONV -> RELU]*N -> POOL?]*M -> [FC -> RELU]*K -> FC<br /> <br /> Trong đó:<br /> <br /> [CONV -> RELU]*N tức là trong kiến trúc này sau tầng CONV là tầng RELU, trong CNN kiến<br /> trúc 2 tầng này có thể lặp N lần.<br /> <br /> TẠP CHÍ KHOA HỌC 9<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br />  POOL? là tầng Pooling cho người thiết kế quyết định có thể có hoặc không.<br /> [[CONV -> RELU]*N -> POOL?]*M trong kiến trúc CNN có thể lặp lại M lần kiểu sau tầng<br /> CONV là tầng RELU và kế tới là tầng Pooling.<br /> [FC -> RELU]*K trong CNN có thể lặp K lần cấu trúc kiểu sau tầng FC là tầng RELU nhưng<br /> trước nó phải có tầng [CONV -> RELU].<br /> Như vậy CNNs sẽ cố gắng tìm ra các thông số tối ưu cho các filter tương ứng theo thứ tự<br /> pixel > edges > shapes > facial > high-level features.<br /> <br /> <br /> <br /> <br /> Hình 5. Thứ tự các bộ lọc trong mạng CNNs<br /> 2. Huấn luyện mạng CNNS<br /> Bài toán áp dụng trong mô hình nhỏ chỉ nhận dạng 10 khuôn mặt người khác nhau. Sử dụng<br /> tập ảnh chụp 10 nghệ sỹ Việt Nam.Sử dụng 80% ảnh để huấn luyện và 20% ảnh để kiểm chứng.<br /> <br /> <br /> <br /> <br /> Hình 6. Mô hình mạng huấn luyện.<br /> <br /> <br /> 10 TẠP CHÍ KHOA HỌC<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br />  Bước 1: Xây dựng tập thư viện là hình ảnh khuôn mặt người và được phân loại và lưu vào<br /> thư mục đặt theo tên nghệ sỹ và lưu vào thư mục training_face.<br /> <br /> <br /> <br /> <br /> Hình 6: Tập mẫu huấn luyện<br /> Bước 2: Thay đổi kích thước hình ảnh huấn luyện thành cỡ 128 x 128.<br /> a = tf.truncated_normal([16,128,128,3])<br /> sess = tf.Session()<br /> sess.run(tf.initialize_all_variables())<br /> sess.run(tf.shape(a))<br /> Bước 3: Đặt tên cho các lớp và thiết lập số lượng ảnh sử dụng kiểm tra.<br /> validation_size = 0.2<br /> img_size = 128<br /> num_channels = 3<br /> train_path = 'face_train'<br /> Bước 4: Thiết lập các tầng tích chập:<br /> filter_size_conv1 = 3<br /> num_filters_conv1 = 32<br /> filter_size_conv2 = 3<br /> num_filters_conv2 = 32<br /> <br /> TẠP CHÍ KHOA HỌC 11<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br /> filter_size_conv3 = 3<br /> num_filters_conv3 = 64<br /> Bước 5: Xây dựng tầng Flattening<br /> def create_flatten_layer(layer):<br /> layer_shape = layer.get_shape()<br /> num_features = layer_shape[1:4]<br /> layer = tf.reshape(layer, [-1, num_features])<br /> return layer<br /> Bước 6: Xây dựng kết nối Fully-connected<br /> def create_fc_layer(input, num_inputs, num_outputs, use_relu=True):<br /> weights = create_weights(shape=[num_inputs, num_outputs])<br /> biases = create_biases(num_outputs)<br /> layer = tf.matmul(input, weights) + biases<br /> if use_relu:<br /> layer = tf.nn.relu(layer)<br /> return layer<br /> Bước 7: Thực hiện huấn luyện mạng<br /> <br /> <br /> <br /> <br /> Hình 7. Kết quả huấn luyện mạng<br /> Kết quả huấn luyện sau 300 lần huấn luyện kết quả sai số đạt khoảng 68%.<br /> Bước 8: Lưu kết quả huấn luyện.<br /> saver.save(session, 'test/trainningData.xml')<br /> 3. Xây dựng mô hình dự đoán:<br /> <br /> <br /> <br /> <br /> Hình 8. Mô hình dự đoán<br /> <br /> 12 TẠP CHÍ KHOA HỌC<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br />  Bước 1: Load file huấn luyện<br /> Bước 2: Đọc ảnh đầu vào và tìm ra vùng gần giống dự đoán là khuôn mặt và lưu ảnh xử lý<br /> vào thư mục process.<br /> Bước 3: Đối sánh hình ảnh và so sánh với các lớp đã học được.<br /> Kết quả thử nghiệm với một ảnh không có trong tập huấn luyện. Thu được sai số khoảng<br /> 0.97<br /> <br /> <br /> <br /> <br /> Hình 8. Kết quả thử nghiệm<br /> <br /> IV. HƯỚNG PHÁT TRIỂN<br /> <br /> Với phương pháp sử dụng mạng tích chập để nhận dạng khuôn mặt đem lại tỉ lệ thành công<br /> cao tuy nhiên vẫn còn tồn tại một số khó khăn:<br /> <br /> Tỉ lệ nhận dạng còn phụ thuộc vào điều kiện ánh sáng, phản chiếu, khuôn mặt bị che bởi tóc<br /> hay mũ.<br /> <br /> Màu sắc của môi trường xung quanh có thể có lẫn với khuôn mặt khiến kết quả không chính<br /> xác.<br /> <br /> Trong bức ảnh có nhiều khuôn mặt và có nhiều hướng mặt khác nhau.<br /> <br /> Để khắc phục những hạn chế trên ta có thể kết hợp hợp học tăng cường cùng thuật toán.<br /> <br /> IV. KẾT LUẬN<br /> <br /> TẠP CHÍ KHOA HỌC 13<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br />  Bài toán nhận dạng khuôn mặt là một vấn đề hay có nhiều ứng dụng trong thực tế. Dữ liệu<br /> thu thập khi huấn luyện càng lớn sẽ đem kết quả chính xác.<br /> TÀI LIỆU THAM KHẢO<br /> [1] Z. Li, J.-i. Imai and M. Kaneko, "Robust face recognition using block-based bag of<br /> words.,"Pattern Recognition (ICPR), 2010 20th International Conference on. IEEE, pp. 1285-<br /> 1288, 2010.<br /> [2] C.-F. Tsai, "Bag-of-words representation in image annotation: A review.," ISRN Artificial<br /> Intelligence 2012,2012.<br /> [3] S. Liao, A. K. Jain and S. Z. Li, "Partial face recognition: Alignment-free approach," IEEE<br /> Transactions on Pattern Analysis and Machine Intelligence 35.5, pp. 1193-1205, 2013.<br /> [4] R. Achanta, A. Shaji, K. Smith, A. Lucchi, P. Fua and S. Süsstrunk, "SLIC superpixels<br /> compared to state-of-the-art superpixel methods," IEEE transactions on pattern analysis and<br /> machine intelligence,vol. 34.11, pp. 2274-2282, 2012. [8] J. Y. Wright, G. A. Y., S. S. S. A. and Y.<br /> Ma, "Robust face recognition via sparse representation," IEEE transactions on pattern analysis<br /> and machine intelligence, vol. 31(2), pp. 210-227, 2009.<br /> [5] D. G. Lowe, "Distinctive image features from scale-invariant keypoints," International<br /> ournal of computer vision, vol. 60.2, pp. 91-110, 2004.<br /> [6] J. Canny, "A computational approach to edge detection, "IEEE Transactions on pattern<br /> analysis and machine intelligence,vol. 6, pp. 679-698, 1986. [7] K. Mikolajczyk, A. Zisserman and<br /> C. Schmid, "Shape recognition with edge-based features, "British Machine Vision Conference<br /> (BMVC'03), vol. Vol. 2, pp. 779-788, 2003.<br /> [8] K. Mikolajczyk and C. Schmid, "Scale & affine invariant interest point detectors,"<br /> International journal of computer vision,vol. 60(1), pp. 63-86, 2004.<br /> <br /> <br /> <br /> <br /> 14 TẠP CHÍ KHOA HỌC<br /> QUẢN LÝ VÀ CÔNG NGHỆ<br />