Face Detection and Recognition using Deep Learning Method
- Abstract
- 컴퓨터 비전에서 사람 얼굴 탐지 및 인식은 고전적인 분류의 문제이다. 최근에는 심층신경망을 사용하여 처리하는 연구가 많이 진행 되고 있다. 또한 얼굴 탐지 및 인식을 하기 위하여 기계학습 알고리즘의 신경망과 랜덤 포레스트가 사용되기도 한다. 일반적인 얼굴 탐지와 인식은 1. 영상 처리, 2. 얼굴 탐지, 3. 얼굴 인식 등의 삼 단계로 구성된다. 본 논문은 각각 별도로 훈련을 한 두 개의 신경망을 결합한 통합적 접근법을 제안한다. 실험을 통하여 심층학습 기반의 CNN(Convolutional Neural Network)과 DBN(Deep Belief Network)을 통한 얼굴인식은75%, CNN, DBN과 LBP(Local Binary Pattern)를 혼합한 방식은98.3%의 정확성을 보였다. 본 연구는 얼굴 탐지 및 인식 문제에 심층신경망의 기능을 학인하고 성능을 평가 및 비교하였다.
- Issued Date
- 2017
- Awarded Date
- 2017. 2
- Type
- Dissertation
- Keyword
- Heart Disease Diagnosis Electrocardiograph Hidden Markov Model Support Vector Machine Multilayer Perceptron 얼굴탐지인식
- Publisher
- 부경대학교 대학원
- Affiliation
- 부경대학교 대학원
- Department
- 대학원 정보시스템협동과정
- Advisor
- 신봉기
- Table Of Contents
- Chapter I. Introduction 1
1.1 Background 1
1.2 Objective and research method 2
1.3 Outline and contribution of thesis 3
Chapter II. Understanding Deep Learning Methods, Face Detection and Recognition 5
2.1. Deep Learning Method 5
2.2. Face Detection 6
2.3. Face Recognition 7
2.4. LBP (Local Binary Pattern) 8
2.5. HOG (Histogram of Gradient) 8
2.6. CNN (Convolutional Neural Network) 9
2.7. DBN (Deep Belief Network) 9
Chapter III. Face Detection and Recognition Using Convolutional Neural Network 11
3.1. CNN (Convolutional Neural Network Architecture) 11
3.2. Experiment Result 12
Chapter IV. Face Recognition Using Deep Belief Network and LBP (Local Binary Pattern) 16
4.1 DBN (Deep Belief Network) Structure 16
4.2 Local Binary Pattern & HOG (Histogram of Gradient) 17
4.3 Result 18
Chapter V. Conclusions & Future Research 21
5.1 Conclusions 21
5.2 Further Studies 21
References 23
- Degree
- Master
- Files in This Item:
-
-
Download
Face Detection and Recognition using Deep Learning Method.pdf
기타 데이터 / 1.32 MB / Adobe PDF
-
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.