การวิเคราะห์การประยุกต์ใช้โครงข่ายประสาทเทียมแบบสยามสำหรับระบบรู้จำใบหน้าภาพสเก็ตช์และภาพถ่าย
Article Sidebar
Main Article Content
บทคัดย่อ
ในปัจจุบันมีการเพิ่มขึ้นของจำนวนกล้องวงจรปิดในทุกสถานที่ แต่อย่างไรก็ตามยังมีอยู่หลายเหตุการณ์ที่กล้องวงจรปิดไม่สามารถบันทึกเหตุอาชญากรรมได้ ทำให้เจ้าหน้าที่ต้องสืบสวนสอบสวนจากผู้เห็นเหตุการณ์ คำบอกเล่าจากผู้เห็นเหตุการณ์เหล่านี้จะถูกใช้ในการเป็นหลักฐานและสร้างภาพสเก็ตช์ใบหน้าสำหรับติดตามผู้กระทำความผิด แต่อย่างไรก็ตามความถูกต้องของภาพสเก็ตหน้าผู้กระทำความผิดนั้นปกติจะมีความถูกต้องที่น้อยอยู่ ขึ้นอยู่กับความจำและความสามารถในการอธิบายลักษณะหน้าตาผู้กระทำความผิดของผู้เห็นเหตุการณ์ ทำให้การบ่งชี้ตัวบุคคลจากภาพสเก็ตช์ถือเป็นเรื่องท้าทาย อีกทั้งการจะหาภาพถ่ายบุคคลนั้น ในฐานข้อมูลขนาดใหญ่โดยใช้ภาพสเก็ตช์เป็นภาพเริ่มต้นนั้นแทบจะเป็นไปไม่ได้ ดังนั้นงานวิจัยชิ้นนี้ จึงได้ดำเนินการตรวจสอบการใช้อัลกอริทึมในการจับคู่ภาพสเก็ตช์กับภาพถ่ายผู้ต้องสงสัยในฐานข้อมูลขนาดใหญ่ได้ โดยนำเสนอโครงข่ายประสาทเทียมแบบสยามที่มีโครงข่ายฝาแฝดเป็นโครงข่ายคอนโวลูชัน และทดสอบประสิทธิภาพของโครงข่ายที่นำเสนอด้วย ชุดข้อมูลจาก The Chinese University of Hong Kong (CUHK) จากการทดสอบพบว่าอัลกอริทึมที่นำเสนอมีความสามารถในการจับคู่ภาพสเก็ตช์กับภาพถ่ายผู้ต้องสงสัย ได้ความแม่นยำมากกว่า 98 เปอร์เซ็นต์
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
- เนื้อหาและข้อมูลในบทความที่ตีพิมพ์ในวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง กองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
- บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศถือเป็นลิขสิทธิ์ของวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ หรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาตเป็นลายลักอักษรณ์จากวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ ก่อนเท่านั้น
เอกสารอ้างอิง
Priyadarshi, R., Gupta, B., & Anurag, A. (2020). Deployment techniques in wireless sensor networks: a survey, classification, challenges, and future research issues. The Journal of Supercomputing, 76(9), 7333-7373.
Klare, B., Li, Z., & Jain, A. K. (2010). Matching forensic sketches to mug-shot photos. IEEE transactions on pattern analysis and machine intelligence, 33(3), 639-646.
Klare, B. F., & Jain, A. K. (2012). Heterogeneous face recognition using kernel prototype similarities. IEEE transactions on pattern analysis and machine intelligence, 35(6), 1410-1422.
Ouyang, S., Hospedales, T. M., Song, Y. Z., & Li, X. (2016). Forgetmenot: Memory-aware forensic facial sketch matching. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 5571-5579).
Ounachad, K., Oualla, M., Souhar, A., & Sadiq, A. (2020, March). Face sketch recognition-an overview. In Proceedings of the 3rd International Conference on Networking, Information Systems & Security (pp. 1-8).
Bushra, S. N., & Maheswari, K. U. (2021, April). Crime Investigation using DCGAN by Forensic Sketch-to-Face Transformation (STF)-A Review. In 2021 5th International Conference on Computing Methodologies and Communication (ICCMC) (pp. 1343-1348). IEEE.
Lahlali, S. E., Sadiq, A., & Mbarki, S. (2015). A REVIEW OF FACE SKETCH RECOGNITION SYSTEMS. Journal of Theoretical & Applied Information Technology, 81(2).
Ashwini, B., & Prajakta, K. (2016). A survey of face recognition from sketches. International Journal of Latest Trends in Engineering and Technology, 6(3), 150-158.
Liu, Q., Tang, X., Jin, H., Lu, H., & Ma, S. (2005, June). A nonlinear approach for face sketch synthesis and recognition. In 2005 IEEE Computer Society conference on computer vision and pattern recognition (CVPR'05) (Vol. 1, pp. 1005-1010). IEEE.
Wang, N., Tao, D., Gao, X., Li, X., & Li, J. (2014). A comprehensive survey to face hallucination. International journal of computer vision, 106, 9-30.
Qi, Y., Song, Y. Z., Zhang, H., & Liu, J. (2016, September). Sketch-based image retrieval via siamese convolutional neural network. In 2016 IEEE international conference on image processing (ICIP) (pp. 2460-2464). IEEE.
Fan, L., Liu, H., & Hou, Y. (2019, July). An improved siamese network for face sketch recognition. In 2019 International Conference on Machine Learning and Cybernetics (ICMLC) (pp. 1-7). IEEE.
Fan, L., Sun, X., & Rosin, P. L. (2021, January). Siamese graph convolution network for face sketch recognition: an application using graph structure for face photo-sketch recognition. In 2020 25th International Conference on Pattern Recognition (ICPR) (pp. 8008-8014). IEEE.
Wang, X., & Tang, X. (2008). Face photo-sketch synthesis and recognition. IEEE transactions on pattern analysis and machine intelligence, 31(11), 1955-1967.
Zhang, W., Wang, X., & Tang, X. (2011, June). Coupled information-theoretic encoding for face photo-sketch recognition. In CVPR 2011 (pp. 513-520). IEEE.
Galea, C., & Farrugia, R. A. (2016, September). A large-scale software-generated face composite sketch database. In 2016 International Conference of the Biometrics Special Interest Group (BIOSIG) (pp. 1-5). IEEE.
