شیدا دوه لی - استاد، موسسه آموزش عالی پویش قم، دانشکده مهندسی کامپیوتر و فناوری اطلاعات
صدیقه شوهانی - دانشجو، موسسه آموزش عالی پویش قم، دانشکده مهندسی کامپیوتر و فناوری اطلاعات

احراز هویت و امنیت اطلاعات اشخاص از مهم ترین مسائل دنیای الکترونیک است. یکی از زیرمجموعههای بیومتریک در شخصی سازی امنیت کاربران تشخیص عنبیه است. تشخیص عنبیه به دلیل ماهیتغیر تهاجمی و قابلیت اطمینان بالا به عنوان یکی از پرکاربردترین روشهای بیومتریک در نظر گرفتهمیشود. در اینجا هدف تشخیص عنبیه به وسیله متدهای یادگیری عمیق می باشد که از دقت بالاییبرخوردار است. بدین منظور از دو شبکه U-Net و Res-U-Net استفاده کرده ایم و با استفاده ازتصاویر دو دیتاست UBIRIS.V۲ و IITD آشکارسازی عنبیه چشم مورد بررسی قرار گرفته است.تصاویر انتخابی در دو مرحله آموزش و تست در هر دو شبکه به کار رفتند و در پایان معیارهای Dice ،TPR و صحت برای داده های آموزش و تست محاسبه شد. در نتایج بدست آمده شبکه U-Net نسبتبه سایر شبکه ها با نتایج بهتری آشکارسازی را انجام داده است. تصاویر دیتاست UBIRIS v۲ نسبت بهتصاویردیتاست IITD بهتر عمل کرده اند. زمان اجرای شبکه Res-U-Net با استفاده از تصاویرUBIRIS v۲ ، در مقایسه با شبکه U-Net با سرعت بالاتری اجرا شده است بهترین مجموع زمان کلبرای اجرا در طی ۱۰۰ دوره برابر ۴۵ دقیقه طول کشیده است. از هر دیتاست ۱۰۰۰ تصویر انتخاب وفرآیند آموزش برای هر دو شبکه طی ۱۰۰ دوره تکرار شد و در محیط Google Colab برای اجرایشبکه ها استفاده کرده ایم.

یادگیری عمیق، عنبیه، بیومتریک، تشخیص عنبیه، U-Net و Res-U-net