علی جبرئیل زاده - کارشناس ارشد، گروه حسابداری، واحد اهر، دانشگاه آزاد اسلامی، اهر، ایران
پیمان جبرئیل زاده - دانشجوی دکتری ، مهندسی برق مخابرات، واحد اهر، دانشگاه آزاد اسلامی، اهر، ایران

به طور کلی، اولین مرحله در تشخیص چهره، شناسایی و مکان یابی چهره ها در تصاویر یا ویدئوها است. الگوریتم های یادگیری عمیق، قادر به فراگیری ویژگی های سطح بالا هستند و لذا بشدت مورد توجه محققان برای استفاده در حوزه بینایی ماشین قرار گرفته است. یکی از چالش های مهم در زمینه تشخیص چهره ها با پایداری بالا تحت شرایط نوری مختلف می باشد. در این پژوهش رویکردی ارائه می شود که، سعی در برطرف سازی مشکلات و چالش های نام برده را دارد. این رویکرد که به صورت سه گام انجام می شود، شامل مرحله پیش پردازش، تقطیع و استخراج ویژگی به همراه شناسایی ناحیه چهره است. مدل فرکتال بر ای مشخص کردن ناحیه چهره به صورت دقیق بعد از تقطیع با هدف استخراج ویژگی ها و سپس آموزش برای شناسایی دقیق چهره در تصویر با شبکه عصبی کانولوشن انجام می گیرد. رویکرد پیشنهادی بر روی مجموعه داده های مختلف شامل LFW و UCCSFace مورد سنجش واقع شده است که در هر کدام از این مجموعه داده ها، با مقایسه با روشه ای پیشین در شرایط یکسان، بهبود نسبی را نشان می دهد.

یادگیری عمیق، مدل فرکتال، تشخیص چهره، تقطیع، آشوبناک