การรู้จำใบหน้าแบบมีสิ่งบดบังโดยใช้โครงข่ายประสาทเทียมแบบสังวัฒนาการ และการสร้างคืนภาพด้วย 2DPCA และ 2DLDA

สิทธิพันธุ์ สระภักดิ์

dc.contributor.advisor	ชาญชัย ปลื้มปิติวิริยะเวช
dc.contributor.advisor	เผดิม หนังสือ
dc.contributor.author	สิทธิพันธุ์ สระภักดิ์
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
dc.date.accessioned	2019-09-14T04:45:56Z
dc.date.available	2019-09-14T04:45:56Z
dc.date.issued	2561
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/63618
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2561
dc.description.abstract	แม้ว่าระบบจดจำใบหน้าส่วนใหญ่ต้องการส่วนประกอบของใบหน้าทั้งหมดเพื่อผลลัพธ์ที่แม่นยำ แต่ในโลกแห่งความเป็นจริงหลายคนรวมถึงผู้ก่อการร้ายมักอำพรางตัวเองจากกล้องวงจรปิดด้วยการสวมแว่นกันแดดหรือผ้าพันคอหรือหลีกเลี่ยงมุมกล้อง ทำให้การจดจำใบหน้ามีความท้าทายมากขึ้น ในวิทยานิพนธ์นี้ใช้การวิเคราะห์องค์ประกอบสองมิติ (2DPCA) และการวิเคราะห์แบ่งแยกเชิงเส้นสองมิติ (2DLDA) ประยุกต์กับการรวบรวมข้อมูลภาพแบบโครงข่ายประสาทแบบสังวัฒนาการ (Convolutional Neural Network) โดยใช้แบบจำลองของ Alexnet เมื่อใช้ฐานข้อมูล AR กับ 227 มิติเวกเตอร์เฉพาะ (Eigenvector) สำหรับ 2DPCA และ 2DLDA ให้ความแม่นยำร้อยละ 53.06 และ 49.71 ตามลำดับ อย่างไรก็ตามเมื่อใช้เวกเตอร์เฉพาะสำหรับสร้างภาพใหม่ความแม่นยำจะเพิ่มขึ้นเป็นร้อยละ 81.55 และ 80.56 ตามลำดับ เมื่อใช้ฐานข้อมูล GTAV กับ 227 มิติเวกเตอร์เฉพาะ สำหรับ 2DPCA และ 2DLDA ให้ความแม่นยำร้อยละ 86.36 และ 78.54 ตามลำดับ อย่างไรก็ตามเมื่อใช้เวกเตอร์เฉพาะสำหรับสร้างภาพใหม่ความแม่นยำจะเพิ่มขึ้นเป็นร้อยละ 96.46 และ 91.92 ตามลำดับ
dc.description.abstractalternative	Although most face recognition systems require all face components for accurate results, in the real world, many people including the terrorists often camouflage themselves from CCTVs by wearing sunglasses or scarf or evade the camera angle. This makes face recognition more challenging. In this thesis, we are to recognize faces with occlusions using two-dimensional principal component analysis (2DPCA) and two-dimensional linear discriminant analysis (2DLDA), which are applied together with convolutional neural network using Alexnet model. When using the AR database with 227 eigenvectors for 2DPCA and 2DLDA, the recognition accuracy is 53.06% and 49.71%, respectively. However, when using the eigenvectors to reconstruct a new image, the accuracy is increased to 81.55% and 81.62%, respectively. When using the GTAV database with 227 eigenvectors for 2DPCA and 2DLDA, the recognition accuracy is 87.12% and 83.08%, respectively. When using the eigenvectors to reconstruct a new image, the accuracy is increased to 97.22% and 94.95%, respectively.
dc.language.iso	th
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2018.1198
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย
dc.subject.classification	Engineering
dc.title	การรู้จำใบหน้าแบบมีสิ่งบดบังโดยใช้โครงข่ายประสาทเทียมแบบสังวัฒนาการ และการสร้างคืนภาพด้วย 2DPCA และ 2DLDA
dc.title.alternative	Face Recognition with Occlusion Using Convolutional Neural Network and 2DPCA and 2DLDA Image Reconstruction
dc.type	Thesis
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต
dc.degree.level	ปริญญาโท
dc.degree.discipline	วิศวกรรมและเทคโนโลยีการป้องกันประเทศ
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย
dc.email.advisor	Charnchai.P@Chula.ac.th
dc.email.advisor	ไม่มีข้อมูล
dc.identifier.DOI	10.58837/CHULA.THE.2018.1198