Je! ni Mbinu zipi za Utambuzi wa Uso_ Teknolojia ya Taigewang

Kwanza, mbinu ya utambuzi wa uso wa vipengele vya kijiometri: vipengele vya kijiometri vinaweza kuwa sura ya macho, pua, mdomo na uhusiano wa kijiometri kati yao (kama vile umbali kati yao). Algorithms hizi zina kasi ya juu ya utambuzi na kumbukumbu ndogo, lakini kiwango cha utambuzi ni cha chini. Pili, mbinu ya utambuzi wa uso kulingana na kipengele cha uso (PCA): mbinu ya uso wa kipengele ni mbinu ya utambuzi wa uso kulingana na mabadiliko ya KL, ambayo ni badiliko mojawapo la othogonal la mgandamizo wa picha. Baada ya mabadiliko ya KL, seti mpya ya besi za orthogonal hupatikana kutoka kwa nafasi ya picha ya juu-dimensional, na besi muhimu za orthogonal zimehifadhiwa, ambazo zinaweza kupanuliwa kwenye nafasi ya mstari wa chini-dimensional. Ikizingatiwa kuwa makadirio ya uso wa mwanadamu katika nafasi hizi za mstari wa mwelekeo wa chini yanaweza kutenganishwa, makadirio haya yanaweza kutumika kama viboreshaji vya vipengele vya utambuzi, ambalo ni wazo la msingi la mbinu ya uso wa kipengele. Njia hizi zinahitaji sampuli zaidi za mafunzo, na zinategemea kabisa sifa za takwimu za picha ya kijivu. Kwa sasa, kuna baadhi ya mbinu za uso zilizoboreshwa. Tatu, mbinu ya utambuzi wa uso ya mtandao wa neva: ingizo la mtandao wa neva inaweza kuwa picha ya uso yenye azimio lililopunguzwa, utendakazi wa uunganisho otomatiki wa eneo la karibu, wakati wa mpangilio wa pili wa muundo wa ndani, nk. Njia kama hizo pia zinahitaji sampuli zaidi za mafunzo, na katika matumizi mengi, idadi ya sampuli ni ndogo sana. Nne, mbinu ya utambuzi wa uso ya ulinganishaji wa grafu nyumbufu: mbinu ya kulinganisha grafu nyororo inafafanua umbali ambao haubadiliki kwa mgeuko wa kawaida wa uso katika nafasi ya pande mbili, na hutumia topolojia ya sifa kuwakilisha uso. Kipeo chochote cha topolojia kina kipengele cha vekta ya kurekodi taarifa ya uso karibu na kipeo. Njia hii inachanganya sifa za kijivu na mambo ya kijiometri, inaruhusu picha kuwa na deformation ya elastic wakati wa kulinganisha, na imepata matokeo mazuri katika kuondokana na ushawishi wa mabadiliko ya kujieleza juu ya utambuzi. Wakati huo huo, hauitaji sampuli nyingi za mafunzo kwa mtu mmoja.