شناسایی چهره توسط شبکه های عصبی کانولوشنی با رویکرد استخراج و ترکیب ویژگی های مناسب
Publish place: The 11th Iranian and the first International Conference on Machine Vision and Image Processing (MVIP 2020)
Publish Year: 1398
Type: Conference paper
Language: Persian
View: 851
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICMVIP11_035
Index date: 14 September 2020
شناسایی چهره توسط شبکه های عصبی کانولوشنی با رویکرد استخراج و ترکیب ویژگی های مناسب abstract
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.
شناسایی چهره توسط شبکه های عصبی کانولوشنی با رویکرد استخراج و ترکیب ویژگی های مناسب Keywords:
شناسایی چهره توسط شبکه های عصبی کانولوشنی با رویکرد استخراج و ترکیب ویژگی های مناسب authors
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.