Hluboké neuronové sítě pro rozpoznání tváří ve videu
Deep Learning for Facial Recognition in Video

Author
Advisor
Hradiš, MichalReferee
Sochor, JakubGrade
EAltmetrics
Metadata
Show full item recordAbstract
Táto diplomová práca sa zameriava na rozpoznanie tvári z videa, konkrétne na spôsob agregácie príznakových vektorov, do jedného diskriminatívneho vektora, tiež nazývaného šablóna. Skúma problém extrémne natočených tvárí, vzhľadom na presnosť verifikácie. Ďalej, porovnáva vzťah medzi šablónami tvorenými vektormi extrahovanými zo snímkov z videa a vektormi z fotografií. Navrhnutá hypotéza je testovaná pomocou dvoch hlbokých konvolučných neurónových sietí a to so známym modelom VGG-16 siete a modelom siete nazývanej Fingera, poskytnutej od firmy Innovatrics. V rámci práce, bolo vykonaných niekoľko experimentov, ktorých výsledky potvrdzujú úspešnosť navrhnutého postupu. Ako metrika presnosti bola zvolená ROC krivka. K práci s neurónovými sieťami bol použitý framework Caffe. This diploma thesis focuses on a face recognition from a video, specifically how to aggregate feature vectors into a single discriminatory vector also called a template. It examines the issue of the extremely angled faces with respect to the accuracy of the verification. Also compares the relationship between templates made from vectors extracted from video frames and vectors from photos. Suggested hypothesis is tested by two deep convolutional neural networks, namely the well-known VGG-16 network model and a model called Fingera provided by company Innovatrics. Several experiments were carried out in the course of the work and the results of which confirm the success of proposed technique. As an accuracy metric was chosen the ROC curve. For work with neural networks was used framework Caffe.
Keywords
hlboké konvolučné neurónové siete, framework Caffe, rozpoznávanie tvárí, agregácia, konvolúcia, strojové učenie, deep convolutional neural network, framework Caffe, face recognition, aggregation, convolution, machine learningLanguage
čeština (Czech)Study brunch
Počítačová grafika a multimédiaComposition of Committee
doc. RNDr. Pavel Smrž, Ph.D. (předseda) prof. Dr. Ing. Pavel Zemčík (místopředseda) Ing. Michal Hradiš, Ph.D. (člen) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) doc. Ing. Jiří Sochor, CSc. (člen) Ing. Michal Španěl, Ph.D. (člen)Date of defence
2018-06-21Process of defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm E. Otázky u obhajoby: Proč jste zvolil zrovna tři kategorie natočení? Jak jste určil prahy pro rozdělení do kategorií? Jaké jste určil váhy pro tyto kategorie? Jaké váhy jste zvolil?Result of the defence
práce byla úspěšně obhájenaPersistent identifier
http://hdl.handle.net/11012/84935http://hdl.handle.net/11012/190174
Source
MIHALČIN, T. Hluboké neuronové sítě pro rozpoznání tváří ve videu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.Collections
- 2018 [161]