Pengenalan Wajah merupakan teknologi yang sedang membangun dengan banyak aplikasi di dalam kehidupan sebenar. Matlamat Projek Tahun Akhir ini adalah untuk mewujudkan Pengenalan Ciri-ciri Wajah yang lengkap untuk keselamatan atau kemudahan. Aplikasi pengenalan wajah secara automatik dapat membantu ahli forensik untuk meninjau sesuatu kawasan dengan adanya Pembelajaran Mesin (ML). Namun in bukan seuatu yang mudah kerana imej yang yang ditangkap adalah sangat berbeza dari segi posisi dan halangan terhadap faktor sukarela dan tidak sukarela. Dengan pengenalan Pembelajaran Mendalam (DL), konsep Rantaian Konvolusi Neural (CNN) yanag dicadangkan pada suatu ketika dahulu akhirnya boleh direalisasikan. Dalam projek ini, Fast CNN model digunakan sebagai teras bagi pengenalan ciri-ciri wajah untuk memabantu pengguna mengenalinya. Pengguna boleh mengenali ciri-ciri wajah termasuk jantina, berkaca mata dan muka berbulu. Pengenalan ciri-ciri wajah juga boleh berfungsi dengan baik dalam mengenali wajah yang dihadapkan dengan sempurna dan tidak sempurna. Optimasi dilakukan secara berperingkat dengan menjalankan eksperimen terhadap parameter untuk latihan rangkain supaya nilai optimum boleh dicapai. Dengen menggunakan model ini, prestasi terbaik boleh dihasilkan dalam mengenali ciri-ciri wajah. Penggabungan algorithm terhadap pengoptimasi memainkankan peranan penting dalm engoptimasi pembelajaran algorithm. Penambahan lapisan konvolusi juga penting dalam mengekstrak ciri-ciri yang berkaitan dengan imej muka.
_______________________________________________________________________________________________________
Face Recognition is a recently developing technology with numerous real life applications. The goal of this Final Year Project is to create a complete Face Attributes Recognition for security or facility. The automated face identification application is helpful in assisting forensic to survey an area with the implementation of Machine Learning (ML). It was once a difficult challenge due to uncertainties in the captured such as high variation of pose and obstruction corresponding to voluntary and involuntary factors. With the introduction of Deep Learning (DL), the concept of Convolutional Neural Network (CNN) that was once an idea can be realized. In this project, Fast CNN architecture is used as the core engine to power the face attributes recognition that aims to help users to identify its. The users can identify the face attributes including gender, glasses and facial hair. The face attributes recognition also can be performed well in identifying properly and improperly frontalized faces. Optimization is performed by experimenting in stages with several training parameters to obtain the best value for this unique purpose. Using this architecture, the best performance of training algorithm can be produced in order to recognize face attributes. Combined-algorithm based optimizers plays an important role in optimizing the training algorithm. The addition of convolutional layer is also essential in order to extract related facial features of facial images.
Deep learning based face attributes recognition / Mohamad Hazim Saidi