Распознавание лиц

[cooler777 0]

Здраствуйте! Мне нужна программа для распознования лиц с картинки используя нейросети с помощью метода HOG. Хорошо если на С#. Можете мне как-то помочь??

[iskees 32]

Hog + нейронная сеть мягко говоря ну лучший вариант для распознавания лиц. Напишите зачем вам эту нужно, какие требования к качеству, как планируете использовать и почему именно hog.  

[noname 0]

Может лучше искать особыми точками (углы глаз, уголки рта, уголки бровей и др) и искать пропорции расстояний между ними?

[Smorodov 578]

Тут, мне кажется надо прояснить.

Распознавание или детектирование ?

Есть у меня сомнение что возникла путаница.

[cooler777 0]

3 часа назад, Smorodov сказал:

Тут, мне кажется надо прояснить.

Распознавание или детектирование ?

Есть у меня сомнение что возникла путаница.

мне нужно распознавание силуетов лиц методом hog с использованием нейросети

13 часа назад, iskees сказал:

Hog + нейронная сеть мягко говоря ну лучший вариант для распознавания лиц. Напишите зачем вам эту нужно, какие требования к качеству, как планируете использовать и почему именно hog.  

для курсовой...Hog - потому что дали такое задание

[Smorodov 578]

То есть найти лица на фотографии, а не отличить одного человека от другого. Так ?

[idrua 8]

Accord.net может помочь в этом вопросе. Как раз на C#. И HOG, и куча классификаторов, и нейросети, и примеры.  Было бы желание...

[cooler777 0]

1 час назад, Smorodov сказал:

То есть найти лица на фотографии, а не отличить одного человека от другого. Так ?

да

[Smorodov 578]

Тогда ваша проблема называется детектор лиц, распознавание - это обычно понимается как проблема различения людей.

По классике, детектор строится на методе скользящего окна. То есть мы пробегаем по изображению окном фиксированного размера, двигаемся с заданным небольшим шагом, так чтобы соседние положения окна перекрывали друг друга. Каждый раз в новой позиции окна извлекается фрагмент изображения и подается на метод извлечения признаков (HOG в вашем случае), далее эти признаки (вектор постоянной размерности), поступают на классификатор (нейронная сеть в вашем случае), классификатор выдает ответ, считать изображение (извлеченное окном в данной позиции) искомым объектом или нет, некоторые из классификаторов выдают вероятность, некоторые только решение.

Чтобы обучить такую систему, вам нужен обучающий набор данных, состоящий из обучающих пар (изображение, его класс). На первом этапе извлекаете из всех озображений их векторы признаков и получаете входные данные для обучения классификатора (вектор признаков, класс ). Эти данные используете для обучения классификатора. 

Для того, чтобы охватить разные размеры объектов, делается пирамида изображений, то есть изображения прогоняются в разных масштабах, окном постоянного размера.

Нейронку в качестве классификатора для подобных целей (в паре с HOG) не встречал, там обычно SVM используется.