4. ● Sưu tập những cảm xúc đặc trưng nhất của con người về để đưa vào máy học
● Sử dụng mạng nơ - ron tích chập CNN thực hiện việc huấn luyện
Tông quan
5. • Giáo dục
• Chăm sóc sức khỏe
• Bảo mật
Úng dung thuc tê
.
`
.
7. Khái niêm
.
Mạng nơ-ron tích chập ( Convolution neural network – CNN )
Convolution neural network là một mô hình trong Deep Learning được sử dụng rộng rãi
trong việc nhận dạng đối tượng ( Object Detection) với độ chính xác cao.
CNN bao gồm:
● Lớp chập (convolution )
● Lớp tổng hợp (pooling )
● Lớp kết nối đầy đủ ( fully – connected )
8. Lóp tích châp (Convolution)
.
• Convolution filter hay còn gọi là Kernel là một ma trận sẽ quét qua các ma trận dữ
liệu ngõ vào, sau đó đưa qua hàm kích hoạt ( activation function ) thường là hàm
ReLu để thu lại được ma trận mới gọi là feature map
• Convolution layer là một lớp ẩn chứa các feature map và mỗi feature map này sẽ
là các đặc trưng của ngõ vào.
1 1 1 0 0
0 1 1 1 0
0 0 1 1 1
0 0 1 1 0
0 1 1 0 0
1x1 1x0 1x1 0 0
0x0 1x1 1x0 1 0
0x1 0x0 1x1 1 1
0 0 1 1 0
0 1 1 0 0
1 0 1
0 1 0
1 0 1 4 3 4
2 4 3
2 3 4
Input Filter /Kernel
11. Công thức để tính kích thước của ảnh đầu ra sau khi qua bộ lọc là :
• o là kích thước của ảnh đầu ra
• i là kích thước của ảnh đầu vào
• p là kích thước của khoăng trắng gồm các bit 0 nằm bên ngoài viền ảnh gốc
(có thể do người huấn luyện chèn thêm vào ) (padding)
• k là kích thước của bộ lọc
• s là bước trượt của bộ lọc (stride )
Công thúc
12. Lóp tông hop (Pooling)
Pooling layer là lớp được sử dụng ở giữa các lớp tích chập ( convolution layer)
để giảm kích thước của các feature map nhưng vẫn giữ nguyên được các đặc
trưng quan trọng của feature map đó
Có 2 loại Pooling layer phổ biến:
• Max pooling
• Average pooling
.
13. • Sau các lớp tích chập (convolution layer)
và max pooling thì sẽ tới lớp kết nối đầy đủ
• Lớp này dung phân ra các lớp có số neural
tùy thuộc vào số dữ liệu ngõ vào
Lop kêt nôi dây du ( fully=connected)
, ,
- -
16. Kêt luân và huong phát triên
, ,
• Đề tài này có thể phát triển lên nhận diện cảm xúc tội phạm qua khuôn
mặt phục vụ công tác điều tra an ninh.
• Phục vụ cho lĩnh vực tâm lý học.
• Cải tiến thêm độ chính xác của mạng CNN để nhận dạng ở mức cao hơn
và chính xác nhất
• Mô hình mạng CNN chạy tốt nhưng vẫn chưa nhận diện được chính xác
với các lớp chưa phù hợp
• Có thể nhận diện được ảnh màu và ảnh xám
Kết luận:
Hướng phát triển:
Editor's Notes
Mạng nơ-ron tích chập (Convolution neural network - CNN