中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/81508
English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 80990/80990 (100%)
造訪人次 : 41695153      線上人數 : 2011
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/81508


    題名: 一種用於人臉偵測的卷積神經網路;A Convolutional Neural Network for Face Detection
    作者: 黃子軒;Huang, Tzu-Hsuan
    貢獻者: 數學系
    關鍵詞: 類神經網路;卷積神經網路;人臉偵測;深度學習;人工智慧;artificial neural network;convolutional neural network;face detection;deep learning;artificial intelligence
    日期: 2019-07-23
    上傳時間: 2019-09-03 15:57:51 (UTC+8)
    出版者: 國立中央大學
    摘要: 本文研究動機源自於 Viola 和 Jones [10] 對物件偵測的探討,但我們採用 Krizhevsky等人 [5] 的卷積神經網路方法,希望能從一張給定的彩色圖片中偵測出圖片裡的人臉影像個數,改進原本只能應用於黑白圖片上的侷限,及處理只能掃取固定大小人臉影像的問題。我們採用 Keras 與 OpenCV 進行結合,架構出包含卷積層與全連接層的類神經網路,但由於我們電腦硬體設備的侷限,架構出的類神經網路的層數並不深。在訓練方面,我們利用 CelebFaces Attributes Dataset (CelebA) [7] 與 Imagenet 的圖片資料庫,進行處理後做為訓練集,圖片總數為十五萬張。以訓練後所得到的類神經網路做為強分類器,再利用滑動視窗將強分類器作用在偵測圖片上,利用縮放的技術,搭配雙線性插值法,將原本只能偵測固定大小的人臉影像改進成可偵測到偏大或偏小的人臉影像。最後進行人臉偵測的模擬實驗,實驗結果顯示該類神經網路的架構可成功的應用在彩色圖片上,同時所提出的縮放技術能有效地偵測到偏大或偏小的人臉影像。;Motivated by the work of Viola and Jones [10] for object detection,
    in this thesis we propose a new convolutional neural network model for face detection
    which is based on the study by Krizhevsky et al. [5].
    The proposed convolutional neural network model for face detection is not limited to
    the black-white images and fixed face size.
    This approach combines Keras with OpenCV to construct a neural network framework
    consisting of several convolutional layers and fully connected layers.
    We use a training set which contains about 150,000 color images,
    cited from the CelebA [7] and Imagenet databases, to train the proposed neural network model.
    After that we employ the trained neural network as a strong classifier,
    combining with a sliding window, to detect the number of faces in a given color image.
    We also use the bilinear interpolation to design a zoom-in and zoom-out technique
    to deal with an image which contains a face image that is too large or too small.
    Finally, a series of numerical experiments is performed to demonstrate
    the effectiveness of the proposed convolutional neural network model for face detection.
    顯示於類別:[數學研究所] 博碩士論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML268檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明