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 987654321/84091
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 70585/70585 (100%)
造访人次 : 23149691      在线人数 : 488
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/84091


    题名: 人臉圖片生成與增益之可用性與效率探討分析
    作者: 江翰霖;Chiang, Han-Lin
    贡献者: 資訊管理學系在職專班
    关键词: 人臉辨識;資料生成;資料增益;Face detection;Data generation;Data augmentation
    日期: 2020-07-28
    上传时间: 2020-09-02 18:03:27 (UTC+8)
    出版者: 國立中央大學
    摘要: 人臉辨識一直是相當熱門的話題,而在近年機器學習技術的興起,更將人臉辨識推往更上一層樓。經由大量的數據做訓練,能夠有效的提升辨識準確度,因此如何更大量的收集人臉辨識訓練圖片,便是一門重要的課題。

    本研究個案公司因應研發計畫,在人臉辨識專案,採用監督式學習方式,對人臉圖片進行訓練,以產生人臉偵測模組,因此常有大量人臉圖片的需求。在長期的需求之下,利用資料生成與資料增益,是相當適合的方式。

    本研究針對人臉資料生成與人臉資料增益,探討兩種方式何者在產出人臉圖片較有效率,包含了產生圖片花費的時間以及產生的圖片可用性。

    經過實驗後,可得知在兩者相較之下,兩者的可用性相似,並無太大差異,但在時間效率上,使用人臉資料增益的方式,遠比使用人臉生成的方式快上許多。因此,對本研究個案公司而言,使用人臉資料增益的方式產生人臉圖片,是較符合個案需求的方式。
    ;Face detection has always been a very popular topic, and in recent years, the rise of machine learning technology has pushed face detection to a higher level.
    Training through a large amount of data can effectively improve the detection accuracy, so how to collect a larger number of face detection training pictures is an important topic.
    In response to the research and development plan, the case of A Company in this study adopted a supervised learning method in the face detection project to train the face pictures to generate face detection modules, so there is often a demand for a large number of face pictures. Under long-term demand, the use of data generation and data augmentation is a very suitable way.
    This study focuses on face data generation and face data augmentation, and explores which of the two methods is more efficient in producing face images, including the time it takes to generate the images and the availability of the generated images.
    Comparing the two, we can find that the two are similar in terms of usability, but in terms of time efficiency, the way of using face data augmentation is much faster than the way of using face generation.
    After confirming the efficiency and availability, it will be of great help to the future development of A company in this research case.
    显示于类别:[資訊管理學系碩士在職專班 ] 博碩士論文

    文件中的档案:

    档案 描述 大小格式浏览次数
    index.html0KbHTML69检视/开启


    在NCUIR中所有的数据项都受到原著作权保护.

    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 ©   - 回馈  - 隱私權政策聲明