國立臺灣師範大學博碩士論文全文系統

簡易檢索 / 詳目顯示

回結果列表

研究生：	王德揚 Wang, Te-Yang
論文名稱：	基於單類別識別辨識應用於身分認證之研究 Applications of Identity Authentication Based on One Class Recognition
指導教授：	黃文吉 Hwang, Wen-Jyi
學位類別：	碩士 Master
系所名稱：	資訊工程學系 Department of Computer Science and Information Engineering
論文出版年：	2020
畢業學年度：	108
語文別：	中文
論文頁數：	55
中文關鍵詞：	人臉辨識、身分認證、類神經網路、嵌入式系統
DOI URL：	http://doi.org/10.6345/NTNU202001214
論文種類：	學術論文
相關次數：	點閱：49 下載：4
分享至:	分享至facebook 分享至twitter

查詢本校圖書館目錄查詢臺灣博碩士論文知識加值系統勘誤回報

每個人臉的外觀皆不相同，有多樣的特徵能讓他人辨識身分。臉這樣的生物特徵，也能夠用攝影機來透過電腦進行分析，比較人臉視覺影像特徵來辨識他人身分，將人臉辨識系統應用於身分認證。
傳統的類神經網路為分類模式，是在既有的已知類別中進行分類，在已知類別外則無法辨識，有著無法辨識出未知類別的極大的缺點。為了改善這項缺點，利用新形態的模型，補足傳統模型辨識的不足，即使有未知類別出現，也能將他歸類為未知類別，克服單類別識別的神經網路應用上的困難，整合於人臉辨識系統。
使用一系列人臉辨識相關技術建構人臉辨識系統。從臉部影像收集，透過攝影機收集影像資料，影像資料前處理，將人臉以外的資訊去除，降低影像分析的複雜度，藉由神經網路分析影像資料，擷取臉部特徵對影像資料來進行分析，最後建立人臉辨識系統辨識身分，以及將人臉辨識系統整合於低運算資源的嵌入式系統。

摘要   i
目錄   ii
表目錄   iii
圖目錄   iv

第一章    緒論   1
1-1 研究背景   1
1-2 研究目的   3
1-3 研究困難   4

第二章    基礎理論   6
2-1 類神經網路   6
2-2 卷積神經網路   7
2-3 LeNet-5   7
2-4 VGG-16   8
2-5 One-Class Convolutional Neural Network   9
2-6 Siamese Neural Network   11

第三章    研究方法   13
3-1 克服研究困難   13
3-2 One-Class Convolutional Neural Network系統流程   16
3-3 One-Class Siamese Neural Network系統流程   21
3-3 完整系統流程   24

第四章    實驗結果   26
4-1 實驗設計   27
4-2 One-Class Convolutional Neural Network資料多樣性效能比較
29
4-3 One-Class Siamese Neural Network資料多樣性效能比較   35
4-4 演算法效能比較   41
4-5 核心電路硬體化運算   52

第五章    結論   54
參考文獻   55
                                

[1] Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems (pp. 1097-1105).

[2]Simonyan, K., & Zisserman, A. (2014). Very deep convolutional networks for large-scale image recognition. arXiv preprint arXiv:1409.1556.

[3]He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 770-778).

[4] Russakovsky, O., Deng, J., Su, H., Krause, J., Satheesh, S., Ma, S., ... & Berg, A. C. (2015). Imagenet large scale visual recognition challenge. International journal of computer vision, 115(3), (pp. 211-252)

[5]Oza, P., & Patel, V. M. (2018). One-class convolutional neural network. IEEE Signal Processing Letters, 26(2), (pp.277-281).

[6]Oza, P., & Patel, V. M. (2019, May). Active authentication using an autoencoder regularized cnn-based one-class classifier. In 2019 14th IEEE International Conference on Automatic Face & Gesture Recognition (FG 2019) (pp. 1-8)..

[7]Koch, G., Zemel, R., & Salakhutdinov, R. (2015, July). Siamese neural networks for one-shot image recognition. In ICML deep learning workshop (Vol. 2).

[8]LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), (pp. 2278-2324).

[9]鄭博文, “基於嵌入式系統的深度學習應用之研究-以人臉辨識為例,” 國立台灣師範大學, 2019

[10]謝斯宇, “基於臉部偵測及CNN模型之硬體臉部辨識系統,” 國立台灣師範大學, 2019

簡易檢索 / 詳目顯示

相關論文