Algoritma mana yang terbaik untuk deteksi wajah?
Algoritma mana yang terbaik untuk deteksi wajah?

Video: Algoritma mana yang terbaik untuk deteksi wajah?

Video: Algoritma mana yang terbaik untuk deteksi wajah?
Video: PENGGUNAAN ALGORITMA VIOLA JONES UNTUK PENGENALAN WAJAH PADA WEBCAM LAPTOP || ALUMNI STMIK KADIRI 2024, Mungkin
Anonim

Dalam hal kecepatan, HoG tampaknya menjadi yang tercepat algoritma , diikuti oleh pengklasifikasi Haar Cascade dan CNN. Namun, CNN di Dlib cenderung menjadi yang paling akurat algoritma . HoG berkinerja cukup baik tetapi memiliki beberapa masalah dalam mengidentifikasi wajah-wajah kecil. Pengklasifikasi HaarCascade tampil sebagai bagus sebagai HoG secara keseluruhan.

Demikian pula orang mungkin bertanya, algoritma mana yang digunakan untuk deteksi wajah?

Populer algoritma pengenalan termasuk analisis komponen utama menggunakan eigenfaces, analisis diskriminan linier, pencocokan grafik tandan elastis menggunakan Fisherface algoritma , model Markov tersembunyi, pembelajaran subruang multilinier menggunakan representasi tensor, dan pencocokan tautan dinamis bermotivasi neuronal.

apa itu deteksi wajah mtcnn? MTCNN - Serentak Deteksi wajah & Tengara MTCNN (Multi-task Cascaded Convolutional Neural Networks) adalah algoritma yang terdiri dari 3 tahap, yang mendeteksi kotak pembatas dari wajah dalam gambar bersama dengan 5 Point mereka Wajah Tengara (tautan ke makalah).

Sederhananya, bagaimana cara kerja algoritma deteksi wajah?

Algoritma tradisional yang melibatkan pekerjaan pengenalan wajah dengan mengidentifikasi wajah fitur dengan mengekstraksi fitur, atau landmark, dari gambar wajah . Misalnya, untuk mengekstrak wajah fitur, dan algoritma dapat menganalisis bentuk dan ukuran mata, ukuran hidung, dan posisi relatifnya dengan mata.

Bagaimana kamera mendeteksi wajah?

Deteksi wajah . Untung, wajah memiliki beberapa fitur yang mudah dikenali yang kamera dapat mengunci ke; sepasang mata, hidung, dan mulut. Dengan mampu mendeteksi A wajah di tempat kejadian, kamera dapat memusatkan fokus otomatisnya pada orang itu wajah untuk memastikan itu adalah subjek utama dalam fokus dalam gambar.

Direkomendasikan: