Identifizierung vermisster Kinder mithilfe von Deep Learning
Versandkostenfrei!
Versandfertig in 6-10 Tagen
43,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
In Indien werden jedes Jahr unzählige Kinder als vermisst gemeldet. Unter den Fällen vermisster Kinder bleibt ein großer Prozentsatz der Kinder unaufgeklärt. In diesem Artikel wird eine neuartige Anwendung der Deep-Learning-Methodik zur Identifizierung des gemeldeten vermissten Kindes anhand der Fotos einer Vielzahl verfügbarer Kinder mithilfe der Gesichtserkennung vorgestellt. Die Öffentlichkeit kann Fotos eines verdächtigen Kindes mit Orientierungspunkten und Anmerkungen in ein gemeinsames Portal hochladen. Das Foto wird automatisch mit den registrierten Fotos des vermissten Kindes au...
In Indien werden jedes Jahr unzählige Kinder als vermisst gemeldet. Unter den Fällen vermisster Kinder bleibt ein großer Prozentsatz der Kinder unaufgeklärt. In diesem Artikel wird eine neuartige Anwendung der Deep-Learning-Methodik zur Identifizierung des gemeldeten vermissten Kindes anhand der Fotos einer Vielzahl verfügbarer Kinder mithilfe der Gesichtserkennung vorgestellt. Die Öffentlichkeit kann Fotos eines verdächtigen Kindes mit Orientierungspunkten und Anmerkungen in ein gemeinsames Portal hochladen. Das Foto wird automatisch mit den registrierten Fotos des vermissten Kindes aus dem Archiv abgeglichen. Das eingegebene Kinderbild wird klassifiziert und das Foto mit der besten Übereinstimmung wird aus der Datenbank der vermissten Kinder ausgewählt. Hierzu wird ein Deep-Learning-Modell trainiert, um das vermisste Kind aus der bereitgestellten Bilddatenbank für vermisste Kinder anhand des von der Öffentlichkeit hochgeladenen Gesichtsbildes korrekt zu identifizieren. Für die Gesichtserkennung wird hier das Convolutional Neural Network (CNN) eingesetzt, eine hochwirksame Deep-Learning-Technik für bildbasierte Anwendungen. Gesichtsdeskriptoren werden mithilfe einer vorab trainierten CNN-Modell-VGG-Face-Tiefenarchitektur aus den Bildern extrahiert.
Andere Kunden interessierten sich für
