ដោយមានរចនាសម្ព័ន្ធប្រលោមលោក ភាពជាក់ស្តែង ការរចនាសមហេតុផល និងប្រកបដោយភាពប៉ិនប្រសប់ ព្រមទាំងអាយុកាលសេវាកម្មដ៏យូរផងដែរ ប្រព័ន្ធចូលរួមការទទួលស្គាល់មុខឥឡូវនេះបានរកឃើញការប្រើប្រាស់យ៉ាងច្រើននៅក្នុងឧស្សាហកម្មផ្សេងៗគ្នាជាច្រើន។ នេះជំរុញឱ្យអតិថិជនកាន់តែយល់ដឹងពីសារៈសំខាន់ និងតម្លៃនៃផលិតផលស៊េរីនេះ ហើយអតិថិជនកាន់តែច្រើនចាប់ផ្តើមចូលរួមក្នុងអាជីវកម្ម អភិវឌ្ឍលក្ខណៈពិសេសដែលមិនទាន់បានស្វែងយល់ និងទាញយកសក្តានុពលនៃផលិតផលដើម្បីធ្វើឱ្យពួកគេលេចធ្លោក្នុងចំណោមផលិតផលស្រដៀងគ្នាផ្សេងទៀត។ ផលិតផលនេះមានសក្តានុពលខ្លាំងសម្រាប់កម្មវិធីនាពេលអនាគត។



Shenzhen Tiger Wong Technology Co., Ltd គឺជាក្រុមហ៊ុនដ៏លេចធ្លោមួយដែលមានឯកទេសក្នុងប្រព័ន្ធទទួលស្គាល់មុខពេលចូលរួម។ ប្រព័ន្ធសម្គាល់មុខពេលចូលរៀនដែលយើងផលិតគឺងាយស្រួលថែទាំ។ ប៉ុន្មានឆ្នាំមកនេះ Shenzhen Tiger Wong Technology Co.,Ltd បានបង្កើតពីការផ្តោតលើគុណភាពរហូតដល់ការឈានមុខគេនៅក្នុងឧស្សាហកម្មប្រព័ន្ធចូលរួមការទទួលស្គាល់មុខ។



ប្រព័ន្ធចូលរួមពេលវេលាទទួលស្គាល់មុខរបស់យើងទាំងអស់ត្រូវបានរចនាឡើង និងផលិតតាមការកំណត់ជាក់លាក់ និងតម្រូវតាមតម្រូវការរបស់អតិថិជននីមួយៗ។ យក ដកស្រង់ !


· សំណួរ ដែល ទាក់ទង ៖


1. តើ​ការ​រំពឹង​ទុក​កម្មវិធី​នៃ​ប្រព័ន្ធ​ចូល​រួម​ពេល​វេលា​ស្គាល់​មុខ​យ៉ាង​ណា?

នៅពេលនិយាយអំពីការរំពឹងទុកនៃការអនុវត្តផលិតផល វាសំដៅមិនត្រឹមតែទៅលើការអនុវត្តជាក់ស្តែងរបស់វា (មុខងាររបស់វា) ប៉ុណ្ណោះទេ ប៉ុន្តែវាក៏សំដៅទៅលើកម្មវិធីទីផ្សារ (តម្លៃរបស់វា) ផងដែរ។ ចំពោះលទ្ធភាពនៃការដាក់ពាក្យសុំប្រព័ន្ធទទួលស្គាល់មុខពេលចូលរួម វាមានជោគជ័យទាំងពីរ។ អ្នក បង្កើត កំពុង ព្យាយាម ក្នុង R&D ដើម្បី រក ភាព អាច ប្រើប្រាស់ របស់ ពួក វាល ផ្សេង ទៀត ។ ឥឡូវនេះវាត្រូវបានកោតសរសើរដោយអតិថិជនទូទាំងពិភពលោកសម្រាប់គុណភាពខ្ពស់ តម្លៃសមរម្យ ភាពបត់បែន និងតម្លៃដ៏អស្ចារ្យ។ វាពិតជាផលិតផលដែលសក្តិសមក្នុងការវិនិយោគ។

នាពេលបច្ចុប្បន្ននេះ ប្រព័ន្ធចំណតរថយន្តកំពុងមានការប្រកួតប្រជែងកាន់តែខ្លាំងឡើងៗ ពីការប្រកួតប្រជែងផលិតផល រហូតដល់ការប្រកួតប្រជែងម៉ាកយីហោ រហូតដល់ការប្រកួតប្រជែងទីផ្សារ។ សម្រាប់សហគ្រាស ប្រឈមមុខនឹងការប្រកួតប្រជែងដ៏ខ្លាំងក្លាបែបនេះ ពួកគេត្រូវតែស្ទាត់ជំនាញបច្ចេកវិទ្យាស្នូលរបស់ពួកគេ ដើម្បីរស់រានមានជីវិត។ ជាពិសេសនៅក្នុងយុគសម័យដែលមានការប្រកួតប្រជែងខ្ពស់នេះ មានតែតាមរយៈការបំពេញតម្រូវការរបស់អ្នកប្រើប្រាស់ឱ្យបានពេញលេញប៉ុណ្ណោះ ទើបពួកគេអាចជួយសហគ្រាសឱ្យទទួលបាននូវការអភិវឌ្ឍន៍រយៈពេលវែងបន្ថែមទៀត និងធ្វើឱ្យម៉ាកយីហោមានភាពច្បាស់លាស់ និងធ្វើឱ្យអ្នកប្រើប្រាស់យល់ច្បាស់អំពីគុណភាព និងម៉ាកយីហោរបស់ខ្លោងទ្វារ។ ការយល់ដឹងអំពីម៉ាកយីហោមានសារៈសំខាន់ណាស់សម្រាប់អ្នកប្រើប្រាស់ ដែលអាចឱ្យអ្នកប្រើប្រាស់ស្គាល់ផលិតផលដោយចិត្តសាស្ត្រ។ ជាការពិតណាស់ ការយល់ដឹងអំពីម៉ាកយីហោគួរតែមានភាពរឹងមាំនៃម៉ាកយីហោ និងបំពេញតម្រូវការរបស់មនុស្សទាក់ទងនឹងគុណភាព និងសេវាកម្ម។ ជា​ការ​ពិត​ណាស់​សម្រាប់​អ្នក​ផលិត​ដែល​មាន​ប្រជា​ប្រិយ​ភាព​ជាក់លាក់​មុខងារ​ផលិតផល​របស់​វា​មាន​ភាព​ចម្រុះ​ជាង​មុន​ វា​អាច​អនុវត្ត​ការ​អភិវឌ្ឍ​តាម​តម្រូវ​ការ​តាម​តម្រូវ​ការ​ផ្សេង​ៗ​របស់​អ្នក​ប្រើ។ ជាមួយនឹងការរីកចម្រើនជាបន្តបន្ទាប់នៃជីវភាពរស់នៅរបស់ប្រជាជន ក្រុមហ៊ុនផលិតប្រព័ន្ធចំណតត្រូវចំណាយពេលវេលា និងកិច្ចខិតខំប្រឹងប្រែងបន្ថែមទៀត ដើម្បីរចនារូបរាងផលិតផល និងអភិវឌ្ឍមុខងារថ្មីៗ និងទំនើបជាងមុនមួយចំនួន ដើម្បីបំពេញតម្រូវការរបស់អ្នកប្រើប្រាស់។ បន្ថែម ប្រព័ន្ធ កណ្ដាល បច្ចុប្បន្ន គឺ ជា មូលដ្ឋាន ស្រដៀងគ្នា ក្នុង ចំណង ជើង ឧបករណ៍ ផ្នែក រឹង ។ សម្រាប់ អ្នក បង្កើត ដែល មាន ឯកសារ
& សមត្ថភាព D វាចាំបាច់ក្នុងការចាប់ផ្តើមធ្វើឱ្យប្រសើរឡើងនូវកម្មវិធីដែលមិនត្រឹមតែអំណោយផលដល់ការធ្វើឱ្យប្រសើរឡើងនៃផលិតផលជាបន្តបន្ទាប់ប៉ុណ្ណោះទេប៉ុន្តែថែមទាំងជៀសវាងការធ្វើឱ្យឧបករណ៍ផ្នែករឹងមានភាពដូចគ្នាជាមួយក្រុមហ៊ុនផលិតផ្សេងទៀត។ ក្រុមហ៊ុនផលិតប្រព័ន្ធចំណតត្រូវតែឈ្នះការតាមដានការអភិវឌ្ឍន៍រយៈពេលវែងជាមួយនឹងភាពរឹងមាំនៃម៉ាក បង្កើនគុណភាពផលិតផលរបស់ពួកគេ ផ្តល់សេវាកម្មដ៏ល្អឥតខ្ចោះ និងទាក់ទាញអ្នកប្រើប្រាស់ជាមួយនឹងផលិតផលផ្ទាល់ខ្លួនរបស់ពួកគេ។

ដំណើរការបុរាណនៃការសម្គាល់មុខដោយស្វ័យប្រវត្តិត្រូវបានបែងចែកទៅជាបីជំហាន៖ ការរកឃើញមុខ ទីតាំងចំណុចនៃមុខ (ត្រូវបានគេស្គាល់ផងដែរថាជាការតម្រឹមមុខ) ការទាញយកមុខងារ និងការរចនាប្រភេទចាត់ថ្នាក់។ និយាយជាទូទៅ ការទទួលស្គាល់មុខក្នុងន័យតូចចង្អៀតសំដៅទៅលើ
& quot; អ្នកចាត់ថ្នាក់ការទាញយកលក្ខណៈ
& quot; ផ្នែកពីរនៃការស្រាវជ្រាវក្បួនដោះស្រាយ។ មុនពេលការលេចឡើងនៃការរៀនស៊ីជម្រៅ វិធីសាស្ត្រសម្គាល់មុខជាទូទៅត្រូវបានបែងចែកទៅជាពីរជំហាន៖ ការទាញយកលក្ខណៈសិប្បនិម្មិតដែលមានវិមាត្រខ្ពស់ (ដូចជា LBP, Gabor ជាដើម) និងការកាត់បន្ថយវិមាត្រ។ វិធីសាស្រ្តកាត់បន្ថយវិមាត្រតំណាងរួមមានវិធីសាស្រ្តសិក្សា subspace ដូចជា PCA និង LDA និងវិធីសាស្រ្តសិក្សាពេញនិយមដូចជា LPP ។ បន្ទាប់ពីប្រជាប្រិយភាពនៃវិធីសាស្រ្តសិក្សាស៊ីជម្រៅ វិធីសាស្ត្រតំណាងគឺដើម្បីសិក្សាដោយផ្ទាល់នូវការបង្ហាញមុខដែលរើសអើងពីទំហំរូបភាពដើម។ និយាយជាទូទៅ ប្រវត្តិស្រាវជ្រាវនៃការសម្គាល់មុខអាចបែងចែកជាបីដំណាក់កាល។ នៅដំណាក់កាលដំបូង (1950s-1980s) ការទទួលស្គាល់មុខត្រូវបានចាត់ទុកថាជាបញ្ហាទូទៅនៃការទទួលស្គាល់គំរូ។ បច្ចេកវិទ្យាចម្បងគឺផ្អែកលើរចនាសម្ព័ន្ធធរណីមាត្រនៃមុខ។ នៅដំណាក់កាលទីពីរ (ឆ្នាំ 1990) ការសម្គាល់មុខបានអភិវឌ្ឍយ៉ាងឆាប់រហ័ស ហើយវិធីសាស្ត្របុរាណជាច្រើនបានលេចឡើង ដូចជា eigenface មុខ Fisher និងការផ្គូផ្គងក្រាហ្វយឺត។ នៅ​ពេល​នេះ ផ្លូវ​បច្ចេកទេស​ចម្បង​គឺ​ត្រូវ​ប្រឈម​មុខ​នឹង​ការ​បង្ហាញ​គំរូ។ នៅដំណាក់កាលទីបី (ពីចុងទសវត្សរ៍ឆ្នាំ 1990 ដល់បច្ចុប្បន្ន) ការស្រាវជ្រាវលើការសម្គាល់មុខបាននិងកំពុងកាន់តែស៊ីជម្រៅ។ អ្នកស្រាវជ្រាវបានចាប់ផ្តើមយកចិត្តទុកដាក់លើការទទួលស្គាល់មុខដែលប្រឈមមុខនឹងស្ថានភាពជាក់ស្តែង ភាគច្រើនរួមមានទិដ្ឋភាពបួនខាងក្រោម៖ 1) ស្នើគំរូលំហផ្ទៃមុខផ្សេងៗគ្នា រួមទាំងវិធីសាស្ត្រគំរូលីនេអ៊ែរដែលតំណាងដោយការវិភាគការរើសអើងលីនេអ៊ែរ វិធីសាស្ត្រគំរូមិនលីនេអ៊ែរដែលតំណាងដោយវិធីសាស្ត្រខឺណែល និងវិធីសាស្ត្រសម្គាល់មុខ 3D ផ្អែកលើ នៅលើព័ត៌មាន 3D ។ 2) វិភាគ និងសិក្សាឱ្យបានស៊ីជម្រៅអំពីកត្តាដែលប៉ះពាល់ដល់ការសម្គាល់មុខ រួមទាំងការទទួលស្គាល់មុខដែលមិនប្រែប្រួល ការបំភ្លឺ ការទទួលស្គាល់មុខដែលមិនប្រែប្រួល និងការទទួលស្គាល់មុខដែលមិនប្រែប្រួល។ 3) ការតំណាងលក្ខណៈថ្មីត្រូវបានប្រើប្រាស់ រួមទាំងអ្នកពណ៌នាក្នុងស្រុក (មុខ Gabor មុខ LBP ។ល។) និងវិធីសាស្រ្តសិក្សាស៊ីជម្រៅ។ 4) ការប្រើប្រាស់ប្រភពទិន្នន័យថ្មី ដូចជាការសម្គាល់មុខដោយផ្អែកលើវីដេអូ និងការស្គាល់មុខដោយផ្អែកលើគំនូរព្រាង និងរូបភាពជិតអ៊ីនហ្វ្រារ៉េដ។ ចាប់តាំងពីឆ្នាំ 2007 មក មូលដ្ឋានទិន្នន័យ LFW បានក្លាយជាស្តង់ដារសាកល្បងសម្រាប់ការទទួលស្គាល់មុខក្រោមលក្ខខណ្ឌជាក់ស្តែង។ សំណុំទិន្នន័យ LFW រួមមានរូបភាពមុខ 13233 នៃមនុស្ស 5749 នាក់ពីអ៊ីនធឺណិត ដែលក្នុងនោះមនុស្ស 1680 មានរូបភាពពីរ ឬច្រើន។ ពិធីការសាកល្បងស្តង់ដារនៃ LFW រួមបញ្ចូលទាំងកិច្ចការបញ្ជាក់ដប់ដងនៃមុខ 6000 គូ។ ផ្នត់នីមួយៗរួមមាន 300 គូនៃឧទាហរណ៍វិជ្ជមាន និង 300 គូនៃឧទាហរណ៍អវិជ្ជមាន។ ភាពត្រឹមត្រូវជាមធ្យមដប់ដងត្រូវបានប្រើជាសន្ទស្សន៍វាយតម្លៃការអនុវត្ត។ ចាប់តាំងពីការចេញផ្សាយ LFW ការសម្តែងត្រូវបានធ្វើឱ្យស្រស់ជានិច្ច។ មុនឆ្នាំ 2013 ផ្លូវបច្ចេកទេសសំខាន់គឺការរៀនសិប្បនិម្មិត ឬការរៀនវាស់វែងការពិពណ៌នាតាមមូលដ្ឋាន។ បន្ទាប់ពីឆ្នាំ 2014 ផ្លូវបច្ចេកទេសសំខាន់គឺការសិក្សាស៊ីជម្រៅ។ ចាប់តាំងពីឆ្នាំ 2014 មក ទិន្នន័យធំដែលសិក្សាស៊ីជម្រៅ (ទិន្នន័យមុខដែលមានស្លាកសញ្ញាដ៏ធំ) បានក្លាយជាផ្លូវបច្ចេកទេសដ៏សំខាន់នៅក្នុងវិស័យសម្គាល់មុខ។ និន្នាការសំខាន់ពីរគឺ 1) បណ្តាញកាន់តែធំ និងកាន់តែស៊ីជម្រៅ (ស្រទាប់ vggface16 ស្រទាប់ facenet22)។ 2) ជាមួយនឹងការកើនឡើងនៃទិន្នន័យ (deepface 4 លាន, facenet 200 លាន) ទិន្នន័យធំបានក្លាយជាគន្លឹះក្នុងការធ្វើឱ្យប្រសើរឡើងនូវការអនុវត្តនៃការទទួលស្គាល់មុខ។ នៅក្នុងយុគសម័យមុន DL ដោយយកជំនាន់ទី 3 និងពាក់កណ្តាល SDK នៃមន្ទីរពិសោធន៍ vipl ជាឧទាហរណ៍ ចំនុចបច្ចេកទេសសំខាន់ៗរួមមាន 1) block face feature fusion: Gabor feature LPQ feature។ 2) ការរៀន Subspace សម្រាប់ការកាត់បន្ថយលក្ខណៈពិសេស (PCA LDA) ។ 3) ការបញ្ចូលគ្នានៃទម្រង់ទម្រង់មុខពហុមាត្រដ្ឋាន។ បច្ចេកវិទ្យាដែលពាក់ព័ន្ធនៃ sdk3.5 សម្រេចបានអត្រាបញ្ជាក់ 96% ក្រោមលក្ខខណ្ឌនៃអត្រាទទួលយកកំហុស 0.1% នៅក្នុង FRGC Experiment 4 ដែលនៅតែជាលទ្ធផលល្អបំផុតនៅក្នុងសំណុំទិន្នន័យ FRGC ។ វាគួរតែត្រូវបានកត់សម្គាល់ថា ទោះបីជាការរៀនស៊ីជម្រៅសង្កត់ធ្ងន់ទៅលើការរៀនលក្ខណៈក៏ដោយ លក្ខណៈនៃការរៀនមិនមែនជាប៉ាតង់របស់ DL ទេ។ នៅក្នុងយុគសម័យមុន DL ការងារនៃការតំណាងឱ្យការរៀនដោយផ្ទាល់ពីរូបភាពដោយប្រើគំរូរាក់ និងការរៀនតំណាងន័យន័យធៀបដោយផ្អែកលើការពិពណ៌នាសិប្បនិម្មិត (ដូចជាគុណលក្ខណៈ និងឧបករណ៍ចាត់ថ្នាក់ simile សម្រាប់ការរៀនតំណាងគុណលក្ខណៈកម្រិតមធ្យម និង Tom vs Pete សម្រាប់ការរៀនតំណាងន័យន័យកម្រិតខ្ពស់ ) ត្រូវបានគេមើលឃើញនៅក្នុងអក្សរសិល្ប៍ពាក់ព័ន្ធ។ ក្នុងឆ្នាំ 2014 Facebook បានចេញផ្សាយការងាររបស់ខ្លួននៅលើ cvpr14 ។ Deepface រួមបញ្ចូលគ្នានូវទិន្នន័យធំ (ទិន្នន័យមុខ 4 លាន) ជាមួយនឹងបណ្តាញបំរែបំរួលយ៉ាងជ្រៅ ដែលបានឈានដល់ភាពត្រឹមត្រូវនៃការទទួលស្គាល់របស់មនុស្សនៅលើសំណុំទិន្នន័យ LFW ។ Deepface ក៏ណែនាំផងដែរនូវរចនាសម្ព័ន្ធ convolution ដែលបានតភ្ជាប់ក្នុងតំបន់ ដើម្បីរៀនខឺណែល convolution ដាច់ដោយឡែកនៅទីតាំង spatial នីមួយៗ។ គុណវិបត្តិគឺថាវានឹងនាំឱ្យមានការពង្រីកប៉ារ៉ាម៉ែត្រ។ រចនាសម្ព័ន្ធនេះមិនមានប្រជាប្រិយភាពនៅពេលក្រោយទេ។ គ្រួសារ Deepid អាច​ត្រូវ​បាន​ចាត់​ទុក​ថា​ជា​ក្រុម​នៃ​ការងារ​តំណាង​ក្នុង​វិស័យ​ទទួល​ស្គាល់​មុខ​ក្នុង​សម័យ DL ។ បណ្តាញជ្រៅដំបូងបំផុតរួមមានស្រទាប់ convolution 4 និងបានទទួលយកមុខងារការបាត់បង់ softmax ។ Deepid2 ពិចារណាទាំងការបាត់បង់អត្តសញ្ញាណ និងការបាត់បង់ការផ្ទៀងផ្ទាត់ដោយផ្អែកលើបណ្តាញ deepid2 ។ ការខាតបង់ទាំងពីរនេះអាចដឹងបានដោយប្រើស្រទាប់ softmaxwithlos និងស្រទាប់ការបាត់បង់កម្រិតពណ៌រៀងគ្នានៅក្នុង Caffe deep learning framework។ បណ្តាញ Deepid2 បន្ថែមមុខងារបាត់បង់ជំនួយនៃស្រទាប់នីមួយៗដោយផ្អែកលើ deepid2 (ស្រដៀងទៅនឹងបណ្តាញត្រួតពិនិត្យយ៉ាងជ្រៅ)។ Google បានបោះពុម្ពផ្សាយការងាររបស់ខ្លួននៅក្នុង cvpr2015 ។ Facenet ប្រើប្រាស់ 22 layers of deep convolution network and massive face data (200 million images of 8 million people) និងមុខងារ triple loss ដែលប្រើជាទូទៅក្នុងកិច្ចការទាញយករូបភាព។ វាគឺមានតំលៃនិយាយថាចាប់តាំងពីចំនួននៃប្រភេទមុខឡើងដល់ 8 លានប្រសិនបើការបាត់បង់ softmax ត្រូវបានប្រើប្រាស់ចំនួនថ្នាំងស្រទាប់លទ្ធផលនឹងឡើងដល់ 8 លានហើយយ៉ាងហោចណាស់ត្រូវការអង្គចងចាំវីដេអូ 32GB (សន្មត់ថាថ្នាំងស្រទាប់លាក់ចុងក្រោយមាន 1024 ដោយប្រើលេខចំនុចអណ្តែតទឹកជាក់លាក់តែមួយ) ទោះជាយ៉ាងណាក៏ដោយ ការបាត់បង់បីដងមិនចាំបាច់កាន់កាប់អង្គចងចាំវីដេអូបន្ថែមទេ។ ភាពត្រឹមត្រូវជាមធ្យមរបស់ Facenet នៃការបញ្ចុះតម្លៃ 10% លើសំណុំទិន្នន័យ LFW ឈានដល់ 99.63% ដែលជាលទ្ធផលល្អបំផុតនៅក្នុងឯកសារដែលបានចេញផ្សាយជាផ្លូវការរហូតមកដល់ពេលនេះ ដែលស្ទើរតែប្រកាសពីការបញ្ចប់នៃការប្រកួតប្រជែងការអនុវត្តរយៈពេលប្រាំបីឆ្នាំលើ LFW ពីឆ្នាំ 2008 ដល់ឆ្នាំ 2015 ។