Transformation in der Gesichtserkennung

Transkript

1 Transformaon n der Geschserkennung en Proek m Rahmen des Proekkurses Bldanalse und Obekerkennung Seffen Mankecz Mchael Rommel Rober Sen Sebasan Thebes. Enleung De Erkennung von Geschern und Gennung von Informaon aus Bldern allgemen sell mmense Anforderungen an Hard- und Sofare. Es müssen resge Daenmenge uner Umsänden sogar n Echze bearbee und ausgeere erden. Da deser Umsand auch und gerade be der Geschserkennung oder genauer der Idenfkaon von Menschen anhand hres Geschs zum Tragen komm haben r nach Möglchkeen gesuch dese Daen zu reduzeren und nach Möglchke über enge ausgeähle Orhogonalransformaonen relevane Informaonen aus desen Bldern zu exraheren. 2. Egene Zelsezung Um de bese Orhogonalransformaon für de Redukon der Daen n der Geschserkennung zu fnden haben r de folgenden Transformaonen für unsere Unersuchung ausgeähl De Daubche 4 Transformaon de schnelle Fourerransformaon FFT de dskree Fourerransformaon DFT und de dskree Kosnusransformaon DCT. Außerdem ollen r de zu unersuchenden Blder auch ohne Transformaon berachen und verarbeen für de Normalserung. Aus den Ergebnssen der Transformaonen sollen geegnee Koeffzenen exraher erden und dese Koeffzenen an en Neuronales Nez zum Tranng eergerech erden. Das Neuronale Nez solle daraufhn de Unerschedung der enzelnen Indvduen realseren. De maxmale ernrae also der mnmale Fehler be der Erkennung enes Indvduums sell dabe unser Güekrerum dar. Je nedrger also der mnmale Fehler rd deso scherer konne das Neuronale Nez m der angeanden Transformaon de Geschserkennung durchführen. 3. Transformaonen und verendees Bldmaeral Wr haben fünf Transformaonen enschleßlch der Idenä mplemener. Dabe snd r lezlch zuers von den beden schnellen Algorhmen FFT und Daubche 4 ausgegangen und haben dann ene Templae-Klasse für belebge Orhogonalransformaonen enckel. Herm können r nun belebge auch komplexe Transformaonen ohne großen Aufand realseren. eder s dese Implemenaon egen der Allgemenhe des Algorhmus und der zemalgen Marxmulplkaon ensprechend rechennensv. Um rozdem ene relav gue Performanz zu geährlesen snd r dazu übergegangen de Blder bem Enfügen n de Daenbank beres zu ransformeren und de Ergebnsse aller Transformaonen n der Daenbank abzuspechern. Deser Schr nmm enge Ze n Anspruch da r soohl de Blder als auch de Transformaonen m Forma von 256x256 Pxel n 256 Grausufen benögen. Da aber de Spekren nch n allen Fällen Were zschen 0 und 255 benhalen sondern soohl komplex als auch reell-erg snd haben r von den komplexen Spekren Seffen Mankecz Mchael Rommel Rober Sen Sebasan Thebes - -

2 Transformaonen n der Geschserkennung en Proek m Rahmen des Proekkurses Bldanalse und Obekerkennung nur den Berag gespecher n der Hoffnung dadurch nch allzu vele Informaonen zu verleren. De nun mmer noch reellen ehemals komplexen und nch-komplexen Spekren haben r auf den Berech der Grauere abgeblde und quanser. So konnen alle Blder m Porable-Neork-Graphcs-Forma PNG n der Daenbank gespecher erden. Wr verendeen für unsere Unersuchung ene Ausahl an Bldern aus der Yale Faces Daenbank hp//cvc.ale.edu/proecs/alefacesb/alefacesb.hml obe enge der Blder vorher von uns angepass erden mussen um se n quadrascher Form vorlegen zu haben. Dazu haben r de ensprechenden Sellen m enem enhelchen Grauer aufgefüll. Unsere Ausahl aus der Yale Faces Daenbank beseh aus e 0 bs Bldern von enem Indvduum. Dese urden m hren eelgen Transformaonen zusammen n der Daenbank abgeleg. De Blder sellen eels deselben Indvduen n unerschedlchen chverhälnssen oder m verschedenen Geschsausdrücken dar. 4. Neuronales Nez 4. Aufbau der Neuronen Aufbau der Neuronen Unsere Neuronen snd Perzeprone also en absraker Nachbau ener menschlchen Gehrnzelle. De Ausgangsere anderer Neuronen kommen an der Zelle als Engänge x an und erden m reellen Gechen geche und m Zellkern aufsummer. Von deser Summe rd noch en Scheller Θ abgezogen und schleßlch auf desen Term ene Transferfunkon angeand. Wr haben her nur de gänggsen Transferfunkonen mplemener de Tangenshperbolcus- de ogssche- und de lneare Transferfunkon. 4.2 Srukuren des Nezes Srukuren des Nezes Be unserem Neuronalen Nez handel es sch um en Feed- Forard-Nez also en Nez das Vorärs propager s. Alle Engangsere erden dem Nez vorn präsener und dann Schch für Schch nach hnen gerech obe es kene rekurrenen Verbndungen gb. De Neuronen de zu ener Schch gehören snd m allen Neuronen der Vorgängerschch verbunden und haben mmer de gleche Transferfunkon. Wr haben mes m Nezen gearbee de N Engangsneuronen haen da r an desem Parameer drehen ollen. 4.3 Tranngsalgorhmus Da r be unserem Problem davon ausgegangen snd dass es sch um en seges Problem handel haben r den Backpropagaon-Algorhmus mplemener. Dabe handel es sch um überaches ernen. Allen Engangseren Arras snd Ergebnsere zugeordne be uns en Wer zschen 0 und für 0% Idenä bz. 00% Idenä. Nun zu ernen Seffen Mankecz Mchael Rommel Rober Sen Sebasan Thebes - 2 -

3 Transformaonen n der Geschserkennung en Proek m Rahmen des Proekkurses Bldanalse und Obekerkennung Seffen Mankecz Mchael Rommel Rober Sen Sebasan Thebes Man präsener dem Nez nun en Arra von Daen. Den Engangseren ordne das Neuronale Nez nun enen Wer zu Vorärspropagaon Propagaon Θ dm anh dm dm x Deser Wer rd nun m dem Soller also enem Wer der nur 00% oder 0% annmm e nachdem ob de verglchenen Personen densch snd oder nch verglchen und en Fehler berechne. Deser Fehler rd nun n dem Nez zurückgerechne Backprop. dm 2 2 dm dm T Nun gb es n edem Neuron enen Fehler. Aus desem lassen sch nun de Geche und Schellere deses Neurons anpassen Posproc. Θ ε ε dm dm Updae Θ Θ Θ γ dm dm dm 4.4 Wedererkennen/Tranng der Gescher m dem Neuronen Nez Ze Blder erden eels gerenn der glechen Transformaon unerzogen n Wrklchke s das schon vor enger Ze passer und r laden nur de abgespecheren Blder. Aus desen Spekren rd nun en recheckger Berech herausgeschnen. Wo allerdngs deser Berech leg s von Transformaon zu Transformaon unerschedlch. Be den beden Fourerransformaonen befnde er sch n der Me des Bldes be der Daubcheransformaon n der lnken oberen Ecke und be der Idenäsransformaon rd das ganze Bld herangezogen und auf de geünsche Anzahl an Bldpunken reduzer obe Spekren der Transformaonen Marx Arra Nezengabe Ausgabe Orgnalblder 0% Nez

4 Transformaonen n der Geschserkennung en Proek m Rahmen des Proekkurses Bldanalse und Obekerkennung eels ene Melung über enen größeren Berech zusande komm. Das resulerende Recheck rd nun n en Arra geschreben und m dem anderen Arra aus der zeen Transformaon dergesal zusammengefüg dass daraufhn bede nachenander n enem doppel so großen Arra sehen. Deses Arra rd nun dem Nez präsener und deses enschede über de Idenä der dargesellen Personen. Bem Teszklus s nun Schluß der Tranngszklus hngegen begnn ez ers rchg. Da r ssen ob es sch be den dargesellen Personen um densche Personen handel oder nch können r dem Nez nun sagen as als rchge Enschedung häe ausgegeben erden sollen und r können desen Fehler zurückpropageren und schleßlch de Geche anpassen. Der Gechungsfakor s varabel und lag be uns sandardmäßg auf 0.00 urde aber auch esese auf und engesell. 5. Ergebnsse Wr ollen de bese Transformaon für de Geschserkennung herausfnden. Und n unserem Falle äre de bese Transformaon ohl dese geesen de m den engsen Koeffzenen auskomm. Dazu haben r soohl de Anzahl der Koeffzenen als auch de Transformaon varer haben aber leder nch de geünschen Ergebnsse erhalen. Das größe Problem ar lezlch der resge Aufand an Rechenze der uns davon abhel.000 oder ganz zu Schegen von Generaonen raneren zu lassen obe evenuell gerade dese bessere Ergebnsse häen lefern können. eder snd r egen der Komplexä unserer Operaonen ne auch nur n den Berech von guen Ergebnssen gekommen. De Wedererkennungsraen aren nur selen schach über eßem Rauschen angesedel. Da aber das Programm soe funkoner und auch ohne größere Probleme für eere Transformaonen anpassbar s s ene Forführung unserer Unersuchung uner veränderen Bedngungen und m evenuell opmeren Bldern sehr gu möglch und könne zu den Ergebnssen führen de r uns erhoff haen. Seffen Mankecz Mchael Rommel Rober Sen Sebasan Thebes - 4 -

5 Transformaonen n der Geschserkennung en Proek m Rahmen des Proekkurses Bldanalse und Obekerkennung 6. Fehlerberachung und Ausblck Uns bleb leder auch versag de 00% rchge Funkonalä unserer Algorhmen zu valderen. Wr haben es m Debuggng und Specherauszügen versuch aber da dese n den krschen Berechen über mehrere A4-Seen gngen und der Debugger leder kene grafschen Informaonen ausgeben kann können r lezlch nch rklch scher sen oran es leg. En möglches Problem könne das Forma der Blder geesen sen. De of sehr großen Flächen ohne Informaon und de zusäzlch engefügen enhelch grauen Blder sollen zar kenen großen Enfluss auf das ernen des Neuronalen Nezes haben aber de Möglchke beseh dass m opmeren Bldern also solche de ausschleßlch das Gesch zenrer darsellen bessere Ergebnsse erzel erden können. Evenuell können auch enzelne Tele von Geschern also z.b. Augenpare oder Mund für das neuronale Nez aufberee erden und de Ergebnsse des ernens deser Tele unersuch erden. Ebenso können noch eere Transformaonen hnzugezogen erden. Insgesam haben r allerdngs en funkonerendes Gerüs aufgebau m dem sch eere Unersuchungen m enem relav gerngen Aufand realseren lassen und das auch für neue Ensazbereche modfzer erden kann. Seffen Mankecz Mchael Rommel Rober Sen Sebasan Thebes - 5 -