Facial expression recognition

[fazel-d]

پاسخ : Facial expression recognition

یه تشکر ویژه از مسئولین سایت بابت تغییر theme سایت. دیگه داشت چشممون در می اومد

به طور کلی من چندین روش رو مورد بررسی قرار دادم و به این نتیجه رسیدم که :
برای شروع کار face detection و دیگر detect ها رو کنار بذارم. یعنی یه مجموعه تصویر هست که دارای subject های مختلف با expression های مختلف. من میام و به صورت فرضا دستی چشمهای چپ و راست و ناحیه بینی و دهان رو مشخص می کنم. پس 3 region به دست می یاد که اولیش ناحیه چشم چپ با سایز 16*16، دومی چشم راست 16*16 و سومی بینی و دهانِ هم با سایز 32*32.
حالا با روش Simple PCA می خوام میام و ابعاد region ها رو کاهش بدم و با محاسبه cos theta بین vector های pattern و eigenvector اون رو به شبکه عصبی می دم تا learn بشه.
2 تا سوال دارم.

اولی اینه که زمانی که ما در روش PCA وقتی nتا eigenvector رو انتخاب می کنیم تا در vector های تصویر ضرب بشه. با این شرط که n<m باشه. (m= تعداد ابعاد تصویر). به نظر شما آیا دیتا حاصل از ضرب مگه نباید ابعاد کوچکتری از تصویر اصلی داشته باشه؟ یعنی وقتی featureVector که شامل nتا eigenvector هاست ، در تصویر من که حالا به صورت mean-subtracted در اومده ، ضرب بشه. و اگر n<m باشه .اونوقت الگوی جدی ابعاد کوچکتری خواهد داشت. درسته؟. اگه اینطوره پس چرا در مقالاتی که از این روش استفاده کرده اند، در کنار تصویر اصلی ، تصاویر حاصل از PCA رو مثلا با eigens ها اول تا سوم رو نشون میده. یعنی اگر تصویر اصلی 16*16 هست ،تصویر حاصل از PCA هم 16*16 هست؟

اما سوال دوم که در مورد SPCA است. که می خوام بدونم که چکار می کنه که می گن یه روش تسریع شده از PCA هست؟ اگه می شه یه tutorial ازش بزارید. جسارتا مقاله نباشه که اصلا توضیح دقیقی براش وجود نداره. این PCA رو هم از tutorial یاد گرفتم و الا توی مقاله ها که هیچ چیزی دستگیرم نمیشه.

[hess]

پاسخ : Facial expression recognition

سلام ...............

از بابت تاخیر معذرت میخوام .. سوال اولتون رو اینطوری جوابشو اگه بگیم شاید بهتر باشه .. PCA یه روش برای کاهش ابعاد .. وقتی که ما مثلا از دستور princomp استفاده میکنیم و یه سری eigenvalue انتخاب میکنیم که قراره بشن شرایب کاهش یافته ی دیتاهای ما؛ اینا نه به اون معنا هستن که قراره از سایز تصویر ما کم کنن .. بلکه قراره یه وزن خاصی از توزیع رو ری دیتاهای ما سوار کنن .. یعنی اون ماتریسی که به دست میاد که تشکیل شده از eigenvalue های انتخابی؛ میشه یه ماتریس وزن واسه ی دیتای ما .. با این نگاه کاملا مشخص میشه که وقتی میگیم بهد رو کاهش میدیم و یه سری اطلاعات از بین میره؛ یعنی اینکه یه ضریبی از دیتاهای اولیه تشکیل دهنده ی دیتای اصلی ما میشن .. یوال دومتون هم؛ منظورتون از SPCA دیقیا چیه؟ Spatial PCA هست؟ این مهمه .. موفق باشید ..

[fazel-d]

پاسخ : Facial expression recognition

خیلی ممنون
در مورد PCA متوجه موضوع شدم .که در واقع یه فاکتور مضروب ایجاد می کنیم.n-1 فاکتور یا تصویر از FaceSpace می ده.
یه سوال به نظر شما چه فرقی بین محاسبه eigenvector ها با تابع eig و princom و یا svd وجود داره؟ البته من با svd پیاده کردم. آخه هر کدوم eigenvector ها ی متفاوتی می دن.


در مورد SPCA یا Simple PCA می خواستم بدونم که چی کار می کنه؟
نمی دونم که چقدر تفاوت کاری داره. یعنی می خوام بدونم که میشه از SPCA صرف نظر کرد و با همون PCA به محاسبه COS theta بین EgenFace ها و Pattern پرداخت؟
یا آیا می شه به سمت FLDA یا FisherFace ها رفت.(می تونه کمک کننده در حل مسئله باشه)؟
ممنون

[hess]

پاسخ : Facial expression recognition

سلام ...............

در مورد اینکه LDA میتونه بهتر باشه؛ PCA بهتر باشه یا اینکه SPCA یا FA یا Fisher و یا هر Dimension reductor دیگه؛ خیلی بستگی به نوع دیتایی داره که میخواید باهاش کار کنید .. مثلا خود LDA جاهایی که Distribution دیتای شما؛ بتونه با یه Mapping بره به یه فضایی که بشه اونها بر حسب اون تعریف فاصله؛ دیتاها رو از هم جدا کرد؛ خب میشه گفت خوبه امــا جایی که پیدا کردن این Mapping سخت باشه یا اینکه فضای ما اونقدری بزرگ باشه که با تبدیل و رفتن به یه فضای دیگه این اتفاق یعنی جدا شدن دیتاها از هم به طور دیگه ای بیوفته یا اصلا پیش نیاد؛ باید صرفا تست بشه روی دیتا ..شما به نظرم از همون PCA شروع کنید و از لینک زیر هم کمک بگیرید تا مرحله ی جدید برید .. اونطوری شاید خیلی بازتر بشه صحبت کرد .. موفق باشید ..

http://www.pages.drexel.edu/~sis26/E...20Tutorial.htm

[fazel-d]

پاسخ : Facial expression recognition

در مورد SPCA و PCA باید بگم که فرقشون در مورد سرعت رسیدن SPCA به eigenface هاست که باید بگم که چندین برابر PCA هست و این در زمان های real-time برای training عالیه.

اما سوالی که دارم اینه که اون mapping ای که فرمودید چی هست و چی کار می کنه. فرضا اگه databast من شامل یه مجموعه مستقل از تصاویر با افراد متفاوت و شدت خنده متفاوت ولی دارای خنده و یه مجموعه دیگه فقط شامل افراد با حالت طبیعی باشه، این mapping ایکه گفتید اینجای ماجرا کارش چیه؟

[fazel-d]

پاسخ : Facial expression recognition

با عرض تبریک سال نو خدمت تمامی دوستان.
خوشبختانه به اون هدفی که در مورد smile detection داشتم رسیدم. چی کار کردم؟
اومدم و نواحی چشم چپ و راست و بینی و دهان رو که تاثیر به سزائی در مورد خنده داره رو برای زمان training شبکه ام بدست اوردم و eigen هاش رو محاسبه کردم. و cos بین اون eigen ها و patternهای درون database ام رو بدست اوردم و به شبکه دادم و به نحو بسیار مطلوبی (یعنی با تعداد تصاویر آموزشی بسیار کم) learn شد و تا 98% هم جواب می ده( در زمان validation).

حالا می خوام پروژه رو گسترش بدم یعنی برم سر فاز اول. که همون face detection هست.
من اون تایپیک face rec رو خوندم که بیشتر بحث هم در ابتدا سر این بود که اول باید face از non-face متمایز بشه بعد عمل rec;
و بیشتر بحث هم سر الگوریتم AdaBoost بود تا ابتدای کار آقای viola , jones .
چند تا سوال دارم .
1- این مقاله آقایون رو یه تصویر کار می کنه یه باید چندین فریم وجود داشته باشه تا face مشخص بشه؟ منظورم اینه که از tracking استفاده می کنه یا نه ، بر روی یه تصویر هم جواب می ده؟
2- زمان اجرای این روش که 15 فریم بر ثانیه است، آیا واقعا همین طوره؟ با توجه به این که شما ، اگه اشتباه نکنم روی این روش کار کردین.
3- در مورد اون rectangle feature ها ، میشه اون مطالبتون رو هم به من میل کنید.

[hess]

پاسخ : Facial expression recognition

سلام ................

1 - نه .. اصلا کارشون به Tracking مربوط نمیشه .. روی Query Image یه Scanning Window میذارن با Scale های مختلف و اون Response هارو که مربوط میشه به Rectangle Feature ها حساب میکنن و با استفاده از وزن هایی که توی training به دست اومده تشخیص میدن که اون تصویر؛ تصویر صورت هست یا خیر ..

2 - تمام اعدادی که توی Paper شون دان درسته؛ با همون مشخصات CPU اگه تست کنید دقیقا باید همون جواب رو بگیرید .. معمولا نمیتونن اعداد اشتباه توی Paper بدن؛ چون مسئولیت خواهد داشت براشون ..

3 - لینک عکسهاش Expire شده .. Source اش هم من ذخیره نکرده بودم .. یه کم توی چندتا پست قبل در موردش حرف زدیم .. از اونا نمیتونید استفاده کنید؟

http://www.eca.ir/forum2/index.php?t...6590#msg176590

موفق باشید ..

[faranbaran]

پاسخ : Facial expression recognition

سلام آقای حسام الدین
منم کمک می خوام در مورد تشخیص چهره کار می کنم . کد لازم دارم . از مطلب زیاد سر در نمیارم . به روش pca اگه کدی دارین می خوام شروع کنم . پایگاه داده هایی هم که گفته بودید چه جوری دانلود کنم ؟

[mone.prsh]

پاسخ : Facial expression recognition

سلام. من عذر میخوام که روی موضوعات قدیمی تون دارم پست میزارم! ولی این مطالب مرتبط با کارمه و جدیدا دارم میخونمشون و برام سوال پیش میاد
میشه لطفا راهنمایی کنید که چجوری باید این دیتا بیس رو تهیه کنم؟) مثلا دیتابیس AR ) و این دیتا بیس رو هم با همون دستور insert db فقط وارد مطلب کنم؟ درسته؟