Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Trong bài viết này, nhóm tác giả tập trung vào việc thiết kế một mô hình mạng nơ ron nhân chập và kết hợp với việc áp dụng các kỹ thuật tăng cường dữ liệu để đưa ra một hệ thống giải quyết bài toán. | Thiết kế mô hình mạng nơ ron nhân chập cho bài toán nhận dạng giới tính từ ảnh mặt người CHÀO MỪNG KỶ NIỆM NGÀY NHÀ GIÁO VIỆT NAM 20/11 THIẾT KẾ MÔ HÌNH MẠNG NƠ RON NHÂN CHẬP CHO BÀI TOÁN NHẬN DẠNG GIỚI TÍNH TỪ ẢNH MẶT NGƯỜI DESIGNING A CONVOLUTIONAL NEURAL NETWORK FOR GENDER IDENTIFICATION FROM FACIAL IMAGES NGUYỄN HỮU TUÂN*, NGUYỄN VĂN THỦY Khoa Công nghệ Thông tin, Trường Đại học Hàng hải Việt Nam *Email liên hệ: huu-tuan.nguyen@vimaru.edu.vn Tóm tắt Giới tính là một trong những thông tin quan trọng và có ích có thể xác định từ ảnh mặt người. Các kỹ thuật áp dụng cho bài toán nhận dạng giới tính được công bố gần đây đều dựa trên các phương pháp học sâu và cho các kết quả cao hơn so với cách tiếp cận truyền thống dựa trên các đặc trưng cục bộ được trích chọn từ các thuật toán trích chọn đặc trưng từ ảnh. Trong bài báo này, nhóm tác giả tập trung vào việc thiết kế một mô hình mạng nơ ron nhân chập và kết hợp với việc áp dụng các kỹ thuật tăng cường dữ liệu để đưa ra một hệ thống giải quyết bài toán. Kết quả thực nghiệm thu được trên tập dữ liệu ảnh mặt người công cộng LFW cho thấy hệ thống đề xuất đạt được tỉ lệ chính xác cao (97,5%) và tương đương với các hệ thống đã được công bố. Từ khóa: Nhận dạng giới tính, học sâu, mạng nơ ron nhân chập, tăng cường dữ liệu, LFW. Abstract Gender is among the most important and useful information that can be identified from human facial images. Recent techniques for gender classification problem have been mostly based on deep learning methods and have gained higher results than conventional approaches which are relied on local features extracted from input pictures. In this paper, we focus on building a convolutional neural network and combine several data augmentation methods to build up a gender classification system. Obtained experimental results upon public face image database LFW show that our system achieves high accuracies (97.5%) and is compared with .