Введение 3
1. Общие сведения об используемых алгоритмах: нейронные сети, каскады
Хаара и сверточные нейронные сети 5
1.1. Теоретические основы искусственных нейронных сетей 5
1.2. Распознавание объектов при помощи каскадов Хаара (метод Виолы-
Джонса) 13
1.3. Сверточные нейронные сети 24
2. Поиск изображений по словесному описанию 30
2.1. Работа сетей для решения задачи 30
2.2 Описание программы 36
2.3 Описание полученных результатов 37
Заключение 39
Список литературы 41
Приложение 42
Распознавание и детектирование лиц на сегодняшний день является популярной и в то же время непонятной наукой, требующей изучения для полного выяснения структуры ее работы. Кажется пугающим, когда такой гигант социальных сетей как Facebook предлагает принять отметку человека на фото его друзей, которые могли отмечать его ранее. Умные дома, автомобили, телефоны «узнают» нас, не требуя никаких паролей, приветствуют и могут предугадать каждый наш шаг. На сегодняшний день это реализовано с некоторыми погрешностями, но технологии распознавания лиц обещают большие перспективы [1].
В данной работе стояла задача поиска изображений по словесному описанию. Словесное описание изображения представляет из себя набор характеристик человеческого лица, так как эта часть человеческого тела является характерной и индивидуально присущей каждому человеку. Два похожих чело¬века, даже если они являются близнецами, имеют разное соотношение пропорций черт лица. Есть видение - это найти изображение принадлежащее чело¬веку исходя из определенного набора данных. Например, греческий нос, карие глаза, узкие губы и так далее. Такой способ детектирования позволит находить целый ряд людей с подобными характеристиками, так как он не ограничивается нахождением конкретного человека.
Практическое применение данной работы будет полезным в системах составления фоторобота, где из базы данных фото будут извлекаться возможные преступники. Достаточно поддерживать данную базу в актуальном состоянии и постоянно вносить новых представителей, распознавать характеристики их лиц, чтобы в дальнейшем простым запросом к базе данных, извлекать необходимые изображения. Запрос может быть в следующем виде: select греческий_нос, карие_глаза, узкие_губы from CriminalsDB.
Объект и предмет исследования. Объектом исследования в работе является упрощение поиска преступных личностей в базе данных преступников.
Исключается составление фоторобота, упрощается поиск возможного преступника, применяя современные технологии, направленные на детектирование лиц в видеопотоке камеры и т.п.
Предметом исследования является криминальная сфера, где составление фоторобота является длительным процессом. Намного простым по времени и качеству поиска будет определение уже готового изображения преступника.
Цель работы: создание алгоритма, основанного на применении сверточных нейронных сетей, решающего задачу поиска изображений, соответствующих заданным описательным характеристикам.
Для достижений поставленной цели необходимо решить следующие за¬дачи:
а) изучить математический аппарат искусственных нейронных сетей и выбрать такой вид сети, который является наиболее подходящим для решения задачи классификации изображений по определенным при¬знакам;
б) создать классификаторы изображений с помощью алгоритма Виолы- Джонса способных выявить части лица;
в) осуществить поиск изображений с заданными характеристиками с помощью предварительно обученных сверточных нейронных сетей.
Данная работа актуальна и нова тем, что рассматривает коллаборацию двух методов распознавания: каскадами Хаара и сверточными нейронными сетями.
Структура работы состоит из оглавления, введения, двух параграфов, заключения и библиографического списка. Объем составляет 40 страниц. Количество таблиц - 3. Количество рисунков - 19.
Существуют различные подходы к распознаванию образов. Попытки решения задачи их распознавания и классификации громко откликаются в сфере искусственных нейронных сетей, модель которой была взята из биологии. Однако это не единственный метод, хотя и хорошо себя зарекомендовавший и на сегодняшний день, являющийся передовым в различных сферах: экономика, математика, прогнозирование и т.д.
Данная работа была посвящена изучению и применению такой технологии как сверточные нейронные сети. Рассмотрена коллаборация двух функци¬оналов распознавания: методом Виолы-Джонса (каскадами Хаара) и сверточными сетями.
В первой главе были приведены основные теоретические аспекты используемых методов: нейронные сети, метод Виолы-Джонса и сверточные нейронные сети.
Было отмечено, что распознавание таких объектов как лица и его характеристики упрощается использованием каскадов Хаара, которые способны вы¬делить различные элементы на фотографии, если они предварительно обучены. На практике были успешно использованы два вида каскадов, встроен¬ных в библиотеку OpenCV: haarcascade _frontalface_default.xml и
haarcascadeeye.xml. Для более точечного обучения использовались сверточные нейронные сети так как они позволяют выделять частичную устойчивость к изменениям масштаба, смещениям, поворотам и прочим искажениям, которые могут быть на изображениях.
Во второй главе отображена важность выбора подходящей базы данных. Все нейронные сети должны обучаться на качественных данных и их количество прямо связано с качеством дальнейшей работы. В данной работе использовалась десятитысячная база «10k US Adult Faces Database».
На вход модели нейронной сети переданы выделенные характеристики лица, которые были отсортированы по классам.
Сверточная нейронная сеть была обучена классифицировать тестовые изображения. Аккуратность при обучении увеличивалась и на обучающем, и на проверочной выборке данных. Качество обучения было оценено на тестовых изображениях. После прохождения 10 эпох аккуратность составила 54.33%. Для улучшения результатов рекомендуется использовать обучающую выборку с большим количеством размеченных изображений.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
