SlideShare une entreprise Scribd logo
1  sur  34
Télécharger pour lire hors ligne
Алгоритмы выделения лиц и распознавания пола Принцип работы
Постановка задачи ,[object Object],[object Object],Изображение с  выделенными  лицами Распознавание  пола м м м ж ж
Принцип выделения лиц ,[object Object],[object Object],[object Object],K K K
Принцип выделения лиц ,[object Object],[object Object],K K K
Принцип построения классификатора ,[object Object],Матрица значений яркостей пикселей Вектор значений признаков
Принцип построения классификатора ,[object Object],[object Object],Скалярное число Вектор значений признаков ДА (лицо) НЕТ (не лицо)
Оценка работы алгоритма ,[object Object],[object Object],[object Object],[object Object]
Обучение классификатора ,[object Object],[object Object],[object Object],[object Object],Скалярное число Вектор значений признаков ДА (лицо) НЕТ (не лицо)
Методы обучения ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Бустинг ,[object Object],[object Object],[object Object],[object Object],[object Object]
Бустинг ,[object Object],Значение  j- ого признака, посчитанное для обучающих образцов θ опт ,[object Object],[object Object]
Бустинг ,[object Object],θ опт ,[object Object],[object Object],[object Object],0,14 0,14 0,14 0,14 0,14 0,14 0,14 0,88 0,02 0,02 0,02 0,02 0,02 0,02
Бустинг ,[object Object],Линейная комбинация слабых классификаторов Значение признака сравнивается с порогом Веса обратно пропорциональны ошибке
Бустинг ,[object Object],Число отбираемых признаков   для достижения нужного уровня детектирования очень велико Для миллиона окон столько вычислений займет слишком много времени Нужно быстро отсеять основную массу окон совсем непохожих на лица простеньким классификатором Затем продолжать отсеивать оставшиеся «не лица» более массивными классификаторами
Бустинг ,[object Object],[object Object],[object Object]
Метод опорных векторов Признаки – значения пикселей, представленные в виде вектора ,[object Object],[object Object],[object Object]
Метод опорных векторов Опорные вектора Коэффициенты линейной комбинации Построение разделяющей гиперплоскости Проецирование в пространство большей размерности
Метод опорных векторов Каскадная структура 3  опорных вектора + + + + - + - - - - 32  опорных вектора 4  опорных вектора 8  опорных векторов 16  опорных векторов
Разреженная сеть просеивающих элементов Вычисление  SMQT  признаков 001010010 Представление в виде вектора 82 Пересчет в виде индекса Признаки
Разреженная сеть просеивающих элементов Обучение Каскадная структура 20 признаков 50 признаков 100 признаков 200 признаков 648 признаков + + + + - + - - - - Классификатор
Распознавание пола Чем принципиально отличается распознавание пола от выделения лиц? Нужно анализировать всего лишь несколько окон, поэтому распознавание пола занимает в разы меньше времени БОЛЬШЕ НИЧЕМ м м м ж ж
Еще пара методов обучения ,[object Object],[object Object],Изображение   проецируется в пространство признаков   меньшей размерности  : где  W  –  матрица
PCA & LDA ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],(1) (2) (3)  1  2   1  2
PCA & LDA ,[object Object],[object Object],[object Object],[object Object], 1  2 PCA FLD
Алгоритмы в  Signage_demo ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Алгоритмы в  Signage_demo
Постобработка
Методы моделирования цвета кожи ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Алгоритм, использующий явное задание кластера кожи
Явное задание кластера кожи Параметр алгоритма: STDR  –  доля пикселей, которая должна быть детектирована как кожа, чтобы алгоритм отнес данное окно к классу лиц.
Предлагаемый алгоритм
Обучающая база Светло-красный оттенок Светло-желтый оттенок Светло-коричневый оттенок Темно-красный оттенок Темно-желтый оттенок Темно-коричневый оттенок
Процедура обучения ,[object Object],[object Object],[object Object]
Этапы работы алгоритма ,[object Object],[object Object],[object Object],[object Object]

Contenu connexe

Tendances

машинное обучение и анализ данных
машинное обучение и анализ данныхмашинное обучение и анализ данных
машинное обучение и анализ данныхYandex
 
20120414 videorecognition konushin_lecture04
20120414 videorecognition konushin_lecture0420120414 videorecognition konushin_lecture04
20120414 videorecognition konushin_lecture04Computer Science Club
 
Лекция 4 Обработка бинарных изображений
Лекция 4 Обработка бинарных изображенийЛекция 4 Обработка бинарных изображений
Лекция 4 Обработка бинарных изображенийVictor Kulikov
 
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)Dmitry Kornev
 
Практический курс «Основы Data Mining»
Практический курс «Основы Data Mining»Практический курс «Основы Data Mining»
Практический курс «Основы Data Mining»ScienceHunter1
 

Tendances (6)

машинное обучение и анализ данных
машинное обучение и анализ данныхмашинное обучение и анализ данных
машинное обучение и анализ данных
 
20120414 videorecognition konushin_lecture04
20120414 videorecognition konushin_lecture0420120414 videorecognition konushin_lecture04
20120414 videorecognition konushin_lecture04
 
Лекция 4 Обработка бинарных изображений
Лекция 4 Обработка бинарных изображенийЛекция 4 Обработка бинарных изображений
Лекция 4 Обработка бинарных изображений
 
Методы автоматической классификации
Методы автоматической классификацииМетоды автоматической классификации
Методы автоматической классификации
 
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)
 
Практический курс «Основы Data Mining»
Практический курс «Основы Data Mining»Практический курс «Основы Data Mining»
Практический курс «Основы Data Mining»
 

En vedette

JetPoint meeting @JetBrains on bioinformatics
JetPoint meeting @JetBrains on bioinformaticsJetPoint meeting @JetBrains on bioinformatics
JetPoint meeting @JetBrains on bioinformaticsolegshpynov
 
20120415 videorecognition konushin_lecture05
20120415 videorecognition konushin_lecture0520120415 videorecognition konushin_lecture05
20120415 videorecognition konushin_lecture05Computer Science Club
 
Локализация лиц с помощью детектора Виолы-Джонс
Локализация лиц с помощью детектора Виолы-ДжонсЛокализация лиц с помощью детектора Виолы-Джонс
Локализация лиц с помощью детектора Виолы-ДжонсArtyom Shklovets
 
L11: Метод ансамблей
L11: Метод ансамблейL11: Метод ансамблей
L11: Метод ансамблейTechnosphere1
 
Лекция №10 "Алгоритмические композиции. Завершение"
Лекция №10 "Алгоритмические композиции. Завершение" Лекция №10 "Алгоритмические композиции. Завершение"
Лекция №10 "Алгоритмические композиции. Завершение" Technosphere1
 
К.В. Воронцов "Линейные методы классификации"
К.В. Воронцов "Линейные методы классификации"К.В. Воронцов "Линейные методы классификации"
К.В. Воронцов "Линейные методы классификации"Yandex
 
GBM package in r
GBM package in rGBM package in r
GBM package in rmark_landry
 

En vedette (9)

JetPoint meeting @JetBrains on bioinformatics
JetPoint meeting @JetBrains on bioinformaticsJetPoint meeting @JetBrains on bioinformatics
JetPoint meeting @JetBrains on bioinformatics
 
20120415 videorecognition konushin_lecture05
20120415 videorecognition konushin_lecture0520120415 videorecognition konushin_lecture05
20120415 videorecognition konushin_lecture05
 
Marta_Egorova
Marta_EgorovaMarta_Egorova
Marta_Egorova
 
Реализация метода автоматического разрешения лексической многозначности
Реализация метода автоматического разрешения лексической многозначностиРеализация метода автоматического разрешения лексической многозначности
Реализация метода автоматического разрешения лексической многозначности
 
Локализация лиц с помощью детектора Виолы-Джонс
Локализация лиц с помощью детектора Виолы-ДжонсЛокализация лиц с помощью детектора Виолы-Джонс
Локализация лиц с помощью детектора Виолы-Джонс
 
L11: Метод ансамблей
L11: Метод ансамблейL11: Метод ансамблей
L11: Метод ансамблей
 
Лекция №10 "Алгоритмические композиции. Завершение"
Лекция №10 "Алгоритмические композиции. Завершение" Лекция №10 "Алгоритмические композиции. Завершение"
Лекция №10 "Алгоритмические композиции. Завершение"
 
К.В. Воронцов "Линейные методы классификации"
К.В. Воронцов "Линейные методы классификации"К.В. Воронцов "Линейные методы классификации"
К.В. Воронцов "Линейные методы классификации"
 
GBM package in r
GBM package in rGBM package in r
GBM package in r
 

Similaire à FaceDetection+GenderRecognition_review

распознавание автомобильного номера в условиях зашумлённости»
распознавание автомобильного номера в условиях зашумлённости»распознавание автомобильного номера в условиях зашумлённости»
распознавание автомобильного номера в условиях зашумлённости»seik0ixtem
 
Алгоритмы классификации в машинном обучении
Алгоритмы классификации в машинном обученииАлгоритмы классификации в машинном обучении
Алгоритмы классификации в машинном обученииWitology
 
Сегментация
СегментацияСегментация
СегментацияLiloSEA
 
“ComputerVision(Ruby && OpenCV)”, Людмила Дежкина ( Senior Ruby, DataArt)
 “ComputerVision(Ruby && OpenCV)”, Людмила Дежкина ( Senior Ruby, DataArt) “ComputerVision(Ruby && OpenCV)”, Людмила Дежкина ( Senior Ruby, DataArt)
“ComputerVision(Ruby && OpenCV)”, Людмила Дежкина ( Senior Ruby, DataArt)Alina Vilk
 
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)Bitworks Software
 
ДЕТЕКТОРЫ ОСОБЕННОСТЕЙ В МЕТОДЕ ВИОЛЫ–ДЖОНСА, ПОСТРОЕННЫЕ НА ОСНОВЕ КОНЕЧНЫХ ...
ДЕТЕКТОРЫ ОСОБЕННОСТЕЙ В МЕТОДЕ ВИОЛЫ–ДЖОНСА, ПОСТРОЕННЫЕ НА ОСНОВЕ КОНЕЧНЫХ ...ДЕТЕКТОРЫ ОСОБЕННОСТЕЙ В МЕТОДЕ ВИОЛЫ–ДЖОНСА, ПОСТРОЕННЫЕ НА ОСНОВЕ КОНЕЧНЫХ ...
ДЕТЕКТОРЫ ОСОБЕННОСТЕЙ В МЕТОДЕ ВИОЛЫ–ДЖОНСА, ПОСТРОЕННЫЕ НА ОСНОВЕ КОНЕЧНЫХ ...ITMO University
 
Введение в машинное обучение
Введение в машинное обучениеВведение в машинное обучение
Введение в машинное обучениеGrigory Sapunov
 
Karkas интеллектуальный анализ
Karkas интеллектуальный анализKarkas интеллектуальный анализ
Karkas интеллектуальный анализVladimir Burdaev
 
CV2015. Лекция 5. Выделение объектов.
CV2015. Лекция 5. Выделение объектов.CV2015. Лекция 5. Выделение объектов.
CV2015. Лекция 5. Выделение объектов.Anton Konushin
 
!Predictive analytics part_2
!Predictive analytics part_2!Predictive analytics part_2
!Predictive analytics part_2Vladimir Krylov
 
Сегментация изображений в компьютерной графике.ppt
Сегментация  изображений в компьютерной графике.pptСегментация  изображений в компьютерной графике.ppt
Сегментация изображений в компьютерной графике.pptssuser413a98
 
20120414 videorecognition konushin_lecture03
20120414 videorecognition konushin_lecture0320120414 videorecognition konushin_lecture03
20120414 videorecognition konushin_lecture03Computer Science Club
 
Recognition of handwritten digits
Recognition of handwritten digitsRecognition of handwritten digits
Recognition of handwritten digitsAndrew Babiy
 
Fingerprint Recognition system
Fingerprint Recognition systemFingerprint Recognition system
Fingerprint Recognition systemVolodymyr Khomenko
 
Face detection and recognition using OpenCV
Face detection and recognition using OpenCVFace detection and recognition using OpenCV
Face detection and recognition using OpenCVAndrew Babiy
 
Presentation Diplom
Presentation DiplomPresentation Diplom
Presentation Diplomguestc80a581
 
Семь граблей краудсорсинга (7 crowdsourcing rakes)
Семь граблей краудсорсинга (7 crowdsourcing rakes)Семь граблей краудсорсинга (7 crowdsourcing rakes)
Семь граблей краудсорсинга (7 crowdsourcing rakes)Pavel Rastyannikov
 
чернякова г.в.
чернякова г.в.чернякова г.в.
чернякова г.в.sharikdp
 
Анализ парапетров кодеков
Анализ парапетров кодековАнализ парапетров кодеков
Анализ парапетров кодековMSU GML VideoGroup
 

Similaire à FaceDetection+GenderRecognition_review (20)

распознавание автомобильного номера в условиях зашумлённости»
распознавание автомобильного номера в условиях зашумлённости»распознавание автомобильного номера в условиях зашумлённости»
распознавание автомобильного номера в условиях зашумлённости»
 
Алгоритмы классификации в машинном обучении
Алгоритмы классификации в машинном обученииАлгоритмы классификации в машинном обучении
Алгоритмы классификации в машинном обучении
 
Сегментация
СегментацияСегментация
Сегментация
 
“ComputerVision(Ruby && OpenCV)”, Людмила Дежкина ( Senior Ruby, DataArt)
 “ComputerVision(Ruby && OpenCV)”, Людмила Дежкина ( Senior Ruby, DataArt) “ComputerVision(Ruby && OpenCV)”, Людмила Дежкина ( Senior Ruby, DataArt)
“ComputerVision(Ruby && OpenCV)”, Людмила Дежкина ( Senior Ruby, DataArt)
 
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)
Введение в машинное обучение. Кластеризация (Bitworks Software, Кирилл Жданов)
 
ДЕТЕКТОРЫ ОСОБЕННОСТЕЙ В МЕТОДЕ ВИОЛЫ–ДЖОНСА, ПОСТРОЕННЫЕ НА ОСНОВЕ КОНЕЧНЫХ ...
ДЕТЕКТОРЫ ОСОБЕННОСТЕЙ В МЕТОДЕ ВИОЛЫ–ДЖОНСА, ПОСТРОЕННЫЕ НА ОСНОВЕ КОНЕЧНЫХ ...ДЕТЕКТОРЫ ОСОБЕННОСТЕЙ В МЕТОДЕ ВИОЛЫ–ДЖОНСА, ПОСТРОЕННЫЕ НА ОСНОВЕ КОНЕЧНЫХ ...
ДЕТЕКТОРЫ ОСОБЕННОСТЕЙ В МЕТОДЕ ВИОЛЫ–ДЖОНСА, ПОСТРОЕННЫЕ НА ОСНОВЕ КОНЕЧНЫХ ...
 
Введение в машинное обучение
Введение в машинное обучениеВведение в машинное обучение
Введение в машинное обучение
 
Karkas интеллектуальный анализ
Karkas интеллектуальный анализKarkas интеллектуальный анализ
Karkas интеллектуальный анализ
 
CV2015. Лекция 5. Выделение объектов.
CV2015. Лекция 5. Выделение объектов.CV2015. Лекция 5. Выделение объектов.
CV2015. Лекция 5. Выделение объектов.
 
!Predictive analytics part_2
!Predictive analytics part_2!Predictive analytics part_2
!Predictive analytics part_2
 
Сегментация изображений в компьютерной графике.ppt
Сегментация  изображений в компьютерной графике.pptСегментация  изображений в компьютерной графике.ppt
Сегментация изображений в компьютерной графике.ppt
 
20120414 videorecognition konushin_lecture03
20120414 videorecognition konushin_lecture0320120414 videorecognition konushin_lecture03
20120414 videorecognition konushin_lecture03
 
Recognition of handwritten digits
Recognition of handwritten digitsRecognition of handwritten digits
Recognition of handwritten digits
 
Fingerprint Recognition system
Fingerprint Recognition systemFingerprint Recognition system
Fingerprint Recognition system
 
Face detection and recognition using OpenCV
Face detection and recognition using OpenCVFace detection and recognition using OpenCV
Face detection and recognition using OpenCV
 
Presentation Diplom
Presentation DiplomPresentation Diplom
Presentation Diplom
 
Использование поисковых машин и ресурсов Интернет для отбора терминов предмет...
Использование поисковых машин и ресурсов Интернет для отбора терминов предмет...Использование поисковых машин и ресурсов Интернет для отбора терминов предмет...
Использование поисковых машин и ресурсов Интернет для отбора терминов предмет...
 
Семь граблей краудсорсинга (7 crowdsourcing rakes)
Семь граблей краудсорсинга (7 crowdsourcing rakes)Семь граблей краудсорсинга (7 crowdsourcing rakes)
Семь граблей краудсорсинга (7 crowdsourcing rakes)
 
чернякова г.в.
чернякова г.в.чернякова г.в.
чернякова г.в.
 
Анализ парапетров кодеков
Анализ парапетров кодековАнализ парапетров кодеков
Анализ парапетров кодеков
 

Plus de Khryashchev

Номинации 2014
Номинации 2014Номинации 2014
Номинации 2014Khryashchev
 
SMP2014 - DEMINO - RUSSIAN INTRO
SMP2014 - DEMINO - RUSSIAN INTROSMP2014 - DEMINO - RUSSIAN INTRO
SMP2014 - DEMINO - RUSSIAN INTROKhryashchev
 
27 faces eng Nov2013
27 faces eng Nov201327 faces eng Nov2013
27 faces eng Nov2013Khryashchev
 
ит планета хрящев
ит планета хрящевит планета хрящев
ит планета хрящевKhryashchev
 
2012Piclab_summary
2012Piclab_summary2012Piclab_summary
2012Piclab_summaryKhryashchev
 
2010_New_Year_Awards
2010_New_Year_Awards2010_New_Year_Awards
2010_New_Year_AwardsKhryashchev
 
2009_New_Year-Awards
2009_New_Year-Awards2009_New_Year-Awards
2009_New_Year-AwardsKhryashchev
 
Bekrenev_diploma
Bekrenev_diplomaBekrenev_diploma
Bekrenev_diplomaKhryashchev
 
Arlyapov_diploma
Arlyapov_diplomaArlyapov_diploma
Arlyapov_diplomaKhryashchev
 
Eurocon2009 Apalkov
Eurocon2009 ApalkovEurocon2009 Apalkov
Eurocon2009 ApalkovKhryashchev
 
Eurocon2009 Khryashchev
Eurocon2009 KhryashchevEurocon2009 Khryashchev
Eurocon2009 KhryashchevKhryashchev
 
Future of Digital TV
Future of Digital TVFuture of Digital TV
Future of Digital TVKhryashchev
 

Plus de Khryashchev (16)

Номинации 2014
Номинации 2014Номинации 2014
Номинации 2014
 
SMP2014 - DEMINO - RUSSIAN INTRO
SMP2014 - DEMINO - RUSSIAN INTROSMP2014 - DEMINO - RUSSIAN INTRO
SMP2014 - DEMINO - RUSSIAN INTRO
 
27 faces eng Nov2013
27 faces eng Nov201327 faces eng Nov2013
27 faces eng Nov2013
 
ит планета хрящев
ит планета хрящевит планета хрящев
ит планета хрящев
 
2012Piclab_summary
2012Piclab_summary2012Piclab_summary
2012Piclab_summary
 
Nominaions2011
Nominaions2011Nominaions2011
Nominaions2011
 
1
11
1
 
2010_New_Year_Awards
2010_New_Year_Awards2010_New_Year_Awards
2010_New_Year_Awards
 
2009_New_Year-Awards
2009_New_Year-Awards2009_New_Year-Awards
2009_New_Year-Awards
 
Bekrenev_diploma
Bekrenev_diplomaBekrenev_diploma
Bekrenev_diploma
 
Kuykin_diploma
Kuykin_diplomaKuykin_diploma
Kuykin_diploma
 
Arlyapov_diploma
Arlyapov_diplomaArlyapov_diploma
Arlyapov_diploma
 
Eurocon2009 Apalkov
Eurocon2009 ApalkovEurocon2009 Apalkov
Eurocon2009 Apalkov
 
Eurocon2009 Khryashchev
Eurocon2009 KhryashchevEurocon2009 Khryashchev
Eurocon2009 Khryashchev
 
Nirs Pres08
Nirs Pres08Nirs Pres08
Nirs Pres08
 
Future of Digital TV
Future of Digital TVFuture of Digital TV
Future of Digital TV
 

FaceDetection+GenderRecognition_review