Bài viết này đề xuất một thiết kế mô hình mạng nơron CNN với độ phức tạp vừa phải nhưng vẫn đảm bảo chất lượng và hiệu quả phân lớp. Các thử nghiệm đánh giá mô hình trên hai tập dữ liệu khá thông dụng là AT&T và Yale đã cho những kết quả khả quan và tiềm năng ứng dụng. | Một phương pháp nhận dạng khuôn mặt dựa trên mạng nơron tích chập Nghiên Tạp chí cứu Khoatrao họcđổi Research-Exchange - Viện of 58 Đại học Mở Hà Nội opinion 08 2019 1-20 1 MỘT PHƯƠNG PHÁP NHẬN DẠNG KHUÔN MẶT DỰA TRÊN MẠNG NƠRON TÍCH CHẬP A FACE RECOGNITION METHOD USING CONVOLUTIONAL NEURAL NETWORK Dương Thăng Long Bùi Thế Hùng Ngày tòa soạn nhận được bài báo 4 02 2019 Ngày nhận kết quả phản biện đánh giá 5 8 2019 Ngày bài báo được duyệt đăng 26 8 2019 Tóm tắt Các nghiên cứu về phương pháp xử lý ảnh và nhận dạng khuôn mặt được quan tâm của nhiều tác giả trong đó các mô hình dựa trên công nghệ mạng nơron học sâu hay còn gọi là mạng nơron tích chập CNN được đề cập trong nhiều bài báo và cho kết quả tốt. Hơn nữa mô hình này đã đem lại những ứng dụng thành công trong thực tiễn như trong ứng dụng phát hiện và nhận dạng khuôn mặt trên ảnh của người dùng Facebook với công nghệ DeepFace. Bài báo này đề xuất một thiết kế mô hình mạng nơron CNN với độ phức tạp vừa phải nhưng vẫn đảm bảo chất lượng và hiệu quả phân lớp. Các thử nghiệm đánh giá mô hình trên hai tập dữ liệu khá thông dụng là AT amp T và Yale đã cho những kết quả khả quan và tiềm năng ứng dụng. Từ khóa Mạng nơron tích chập nhận dạng khuôn mặt kết quả tiềm năng ứng dụng. Abstract Studies on image processing and facial recognition methods are of interest to many authors in which models based on deep neural network technology also known as convolutional neural networks CNN are mentioned in many articles with good results. Moreover this model has brought successful practical applications such as applications in detecting and identifying faces on Facebook users photos with DeepFace technology. This paper proposes a design of CNN neural network model with moderate complexity but still ensures the quality and efficiency of classification. Tests of model evaluation on two popular data sets AT amp T and Yale have given positive results and potential applications. Keywords Convolutional neural networks face recognition
