شناسایی چهره توسط شبکه های عصبی کانولوشنی با رویکرد استخراج و ترکیب ویژگی های مناسب
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 733
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP11_035
تاریخ نمایه سازی: 24 شهریور 1399
چکیده مقاله:
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.
کلیدواژه ها:
نویسندگان
جواد خسرویان عر ب
دانشجوی کارشناسی ارشد مهندس کامپیوتر–هوش مصنوعی، دانشکده مهندسی برق و کامپیوتر ، دانشگاه سمنان، سمنان.
کوروش کیانی
استادیار، دانشکده مهندسی برق و کامپیوتر ، دانشگاه سمنان، سمنان.