ỨNG DỤNG MẠNG ĐỐI SINH (GAN) ĐỂ NÂNG CAO HIỆU SUẤT PHÂN LOẠI CẢM XÚC KHUÔN MẶT NGƯỜI BẰNG MẠNG NƠ-RON TÍCH CHẬP (CNN)

Tóm tắt

Hiện nay, việc nhận dạng khuôn mặt người không còn xa lạ đối với các nhà nghiên cứu khoa học. Đã có rất nhiều phương pháp nhận dạng khuôn mặt người từ phương pháp truyền thống như SVM đến phương pháp nhận dạng mạng nơ-ron tích chập (CNN) và các phương pháp nhận dạng đều cho ra kết quả tương đối cao. Trong bài báo này, chúng tôi nghiên cứu mạng đối sinh (GAN) để tạo ra các hình ảnh khuôn mặt giả tương đối giống các khuôn mặt thật từ dữ liệu hình ảnh. Sau đó, chúng tôi ứng dụng GAN trong việc nhận dạng bằng CNN (cụ thể là mô hình VGG-16) để có thể tạo ra dữ liệu tổng hợp đa dạng, phong phú hơn, giúp CNN học được các đặc trưng đa dạng hơn, nâng cao độ chính xác và khả năng tổng quát hoá các mô hình. Kết quả nhận dạng khuôn mặt khi ứng dụng GAN trong VGG-16 (95,3%) có độ chính xác tăng 3,6% so với chỉ dùng mô hình VGG-16 (91,7%). Kết quả này cho thấy việc ứng dụng GAN đã cải thiện hiệu suất nhận dạng khuôn mặt người.