شناسایی چهره توسط شبکه های عصبی کانولوشنی با رویکرد استخراج و ترکیب ویژگی های مناسب

با وجود پیشرفت های چشمگیر در طی بیست و پنج سال گذشته، شناسایی چهره همچنا ن یک مساله چالش برانگیز است. این مقاله رویکردی مبتنی بر یادگیری عمیق با استفاده از شبکه های عصبی کانولوشنی را پیشنهاد می کند. این رویکرد با استفاده از شبکه های اولیه ResNet101 به استخراج ویژگی می پردازد. این ویژگی ها برای تر کیب مناسب و استخراج ویژگی های عمومی، به عنوان ورودی یک بلوک از ساختارهای هرمی در نظر گرفته شده است و توسط شبکه های کانولوشن و کانولوشن معکوس به تر کیب ویژگی های سطح بالا از تصویر می پردازد تا در ادامه توسط عملیات کانولوشنی ویژگی های مناسب را با توجه به ویژگیهای سطح بالا، استخراج نماید. نتایج این رویکرد توسط دو مجموعه داده بزرگ و سه تابع تلفات آموزش دیده است و نتایج آموزش بر روی مجموعه داده LFW با رویکردهای گذشته، مورد بررسی قرار گرفته است. نتایج این مقاله، دقت عملکرد 99/77 درصدی را بر روی مجموعه داده LFW نشان می دهد.