baocao
### **1. Giới thiệu hệ thống**
- Hệ thống nhận diện khuôn mặt của em gồm hai chức năng chính:
- **Chức năng đăng ký (Enroll):** Nhận vào ảnh khuôn mặt và ID của người dùng. Hệ thống sẽ trích xuất đặc trưng của ảnh và lưu vào cơ sở dữ liệu để nhận diện trong tương lai.
> Ảnh chụp màn hình chức năng này (để trống trong slide hộ mai thêm sau)
>
- **Chức năng nhận diện (Identify):** Nhận vào ảnh khuôn mặt, trích xuất đặc trưng và so sánh với các đặc trưng đã có trong cơ sở dữ liệu, sau đó trả về ID tương ứng của khuôn mặt có độ tương đồng cao nhất.
> Ảnh chụp màn hình chức năng này (để trống trong slide hộ mai thêm sau)
>
---
### **2. Đánh giá độ chính xác của mô hình**
- Để đánh giá hiệu quả của mô hình trong hệ thống, em sử dụng **bộ dữ liệu VTS**. Đây là bộ dữ liệu với cấu trúc gồm hai phần chính:
1. **Bộ dữ liệu Enroll:** Sử dụng để đăng ký các khuôn mặt và làm cơ sở dữ liệu cho hệ thống nhận diện.
2. **Bộ dữ liệu Inout:** Sử dụng để kiểm tra và đánh giá khả năng nhận diện của mô hình.
---
### **3. Giới thiệu bộ dữ liệu VTS**
- **Bộ dữ liệu Enroll:**
- Gồm 400 folder, mỗi folder tương ứng với một ID và chứa 5 ảnh khác nhau của khuôn mặt đó.
- Đây là dữ liệu chính mà hệ thống sử dụng để nhận diện khi so sánh ảnh mới.
>
>
>
> 
>
- **Bộ dữ liệu Inout:**
- Gồm 500 folder, trong đó 400 folder có ID tương ứng trong cơ sở dữ liệu Enroll và 100 folder là những ID chưa có trong hệ thống.
- Mục đích là kiểm tra khả năng nhận diện đúng khuôn mặt đã đăng ký và phát hiện các khuôn mặt mới chưa được đăng ký.
>
>
>
> 
>
---
### **4. Demo hệ thống**
- **Thao tác đăng ký (Enroll):**
- Em sẽ chọn một ảnh khuôn mặt
- Sau khi đăng ký, hệ thống sẽ lưu đặc trưng của khuôn mặt này vào cơ sở dữ liệu để sử dụng trong quá trình nhận diện.
> Thao tác demo: Tiến hành đăng ký một ảnh từ Enroll, hiển thị thông báo đã có trong csdl
>
- **Thao tác nhận diện (Identify):**
- Em sẽ chọn một ảnh khuôn mặt của bọn em em và từ bộ dữ liệu Inout để nhận diện.
- Hệ thống sẽ so sánh đặc trưng của ảnh với cơ sở dữ liệu và trả về ID của ảnh có độ tương đồng cao nhất (nếu tìm thấy).
> Thao tác demo: Nhận diện một khuôn mặt từ ảnh Inout, hệ thống sẽ trả về kết quả là ID tương ứng hoặc thông báo khuôn mặt chưa được đăng ký.
>
---
### **5. Đánh giá hiệu quả của mô hình qua các chỉ số**
- Sau khi demo hệ thống, em sẽ sử dụng các chỉ số sau để đánh giá hiệu quả mô hình:
1. **Accuracy (ACC):** Độ chính xác của mô hình trong việc nhận diện đúng khuôn mặt.
2. **False Negative Identification Rate (FNIR):** Tỷ lệ mô hình không nhận diện được khuôn mặt đã có trong cơ sở dữ liệu.
3. **False Positive Identification Rate (FPIR):** Tỷ lệ mô hình nhận diện nhầm khuôn mặt chưa được đăng ký là đã đăng ký.
> Giải thích từng chỉ số với ví dụ cụ thể, giúp người xem hiểu rõ hơn về cách đo lường hiệu quả của hệ thống.
>
---
### **6. Kết quả đánh giá**
- Dựa trên bộ dữ liệu VTS, hệ thống nhận diện khuôn mặt của em đạt được các chỉ số như sau:
- **Accuracy (ACC):** 0.78
- **FNIR: 0.2**
- **FPIR:** 0.2
> Hiển thị biểu đồ trực quan minh họa các chỉ số ACC, FNIR, FPIR để giúp người xem dễ hình dung và hiểu hơn về độ chính xác của hệ thống.
>
---
### **7. Kết luận**
- Hệ thống nhận diện khuôn mặt của em đạt được độ chính xác **Accuracy (ACC) = 0.78**, cho thấy hệ thống nhận diện đúng trong 78% các trường hợp.
- **FNIR = 0.2** và **FPIR = 0.2** cho thấy hệ thống bỏ sót 20% các khuôn mặt đã đăng ký và nhận nhầm 20% các khuôn mặt không có trong cơ sở dữ liệu.
Tuy nhiên, những kết quả này cũng phản ánh một phần hạn chế của hệ thống, có thể do **bộ dữ liệu VTS hiện tại chưa đủ phong phú**. Với chỉ 400 ID trong cơ sở dữ liệu đăng ký (Enroll) mỗi id có 5 ảnh , hệ thống có thể gặp khó khăn trong việc xử lý các trường hợp đa dạng hơn, dẫn đến tỷ lệ FNIR và FPIR cao hơn mong đợi.
- Để cải thiện, cần bổ sung nhiều dữ liệu hơn để giúp hệ thống nhận diện hiệu quả và chính xác hơn trong các điều kiện khác nhau.
Trong tương lai, em sẽ tập trung vào việc cải thiện thuật toán và mở rộng bộ dữ liệu để nâng cao độ chính xác và giảm thiểu các lỗi FNIR và FPIR, nhằm đưa hệ thống đến mức hiệu quả cao hơn trong thực tế.
---
Editor is loading...
Leave a Comment