CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تشخیص موارد اعتیاد به مواد مخدر از روی چهره با یادگیری عمیق

عنوان مقاله: تشخیص موارد اعتیاد به مواد مخدر از روی چهره با یادگیری عمیق
شناسه ملی مقاله: CONFITC06_070
منتشر شده در ششمین کنفرانس بین المللی پژوهش های کاربردی در کامپیوتر، برق و فناوری اطلاعات در سال 1400
مشخصات نویسندگان مقاله:

علی بهروزی - دانشجو ی کارشناسی ارشد مندسی کامپیوتر دانشگاه جامع امام حسین (ع)
محمدعلی جوادزاده - استادیاردانشگاه جامع امام حسین (ع)

خلاصه مقاله:
امروزه اختلات مصرف مواد مخدر به ویژه در جوانان بسیار روشن و واضح است و نیاز به تشخیص زودهنگام افراد مبتلا به اختلالات مصرف مواد امری حیاتی است. اخلال مصرف مواد، از جمله سوء مصرف مواد و وابستگی به مواد، استفاده مداوم از مواد مخدر علاوه بر آسیب های روحی، آسیب های جسمی یا رفتار ی قابل توجهی به همراه دارد. این اختلالات منجر به عواقب نامطلوبی می شنود که معمولا توسط داروهای غیر قانونی علائم ترک فیزیولوژیکی و ناتوانی در کاهش یا توقف مصرف ایجاد می شود. با این حال روش ی ساده و موثر بر ای تشخیص وجود ندارد که بتوان از آن برای تعداد بسیار زیادی از موارد استفاده کرد. در این مقاله ما به تشخیص مصرف مواد مخدر با کمک پردازش تصویر چهره انسان ها با بکارگیری توصیف گرهای محلی الگوی بای نری محلی وآنالیز فراکتال مبتنی بر بافت به منظور استخراج موثر اطلاعات جزیی بافت چهره خواهیم پرداخت. این سیستم ها می توانند به صورت قابل قبولی موارد مصرف را شناسا یی کند و نرخ شناسایی قابل توجهی ارایه دهند. این روش به میزان ۷۱.۳۲ درصد نرخ شناسایی دارد.

کلمات کلیدی:
تشخیص اعتیاد به موادمخدر، آنالیز فراکتال، یادگیری عمیق، استخراج ویژگی های چهره

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1452745/