دسته بندی چهره ی افراد، با ماسک و بدون ماسک با استفاده از شبکه عصبی همگشتی

چهره از مهم ترين عواملِ مورد توجه در تعاملات انسانی بوده، و آشکارسازی و تشخیص آن يکی از موضوعات مورد توجه در سيستم های تعيين و تشخیص هويت، رديابی، مسائل امنيتی، نظامی، حقوقی، روانشناسی و غيره است . لذا طراحی و پياده سازی يک سيستم تشخیص خودکار چهره با دقت بالا هميشه مورد توجه پژوهشگران بوده است. با توجه به شيوع بيماری کرونا و اهميت استفاده از ماسک، در اين مطالعه، يک مدل شبکه عصبی همگشتی برای شناسايی خودکار افرادی که ماسک دارند ارائه شده است. دف از روش ارائه شده افزايش دقت تشخیص بين کلاس های با ماسک و بدون ماسک در تصاوير چهره است. شبکه های عصبی همگشتی نوعی شبکه عصبی هستند که نسبت به روش های کلاسيکِ شبکه عصبی مصنوعی از پيچيدگی بالاتری برخوردار می باشند. شبکه عصبی همگشتیِ پيشنهادی دارای چهار لايه همگشت Convolution ، سه لايه ادغام افزايشی Max Pooling و پنج تابع فعالساز غير خطی ReLU Activation است . در لايه ی آخر از شبکه عصبی همگشتی پيشنهادی از يک لايه Soft Mask برای طبقه بندی دسته های تصوير ورودی به دو کلاس افرادِ با ماسک و بدون ماسک استفاده شده است. روش پيشنهاد شده بر روی بانک داده ی Face Mask Detection پياده سازی گرديد. نتايج ارائه شده از اين تحقيق نشان می دهد که مدل پيشنهادی توانسته به دقت 97 درصد پاسخ صحيح در تشخیص تصاوير با ماسک دست يابد .

Keywords:

تشیی چهره , شبکه عصبی همگشتی , ویروس کرونا , تشیی چهره با ماسک