پوریا میردامادی - دانشجوی دکتری مهندسی کامپیوتر دانشگاه آزاد اسلامی، واحد لاهیجان
محمدرضا یمقانی - استادیار و عضو هیات علمی گروه کامپیوتر، د انشکده فنی مهندسی دانشگاه آزاد اسلامی، واحد لاهیجان
احمد ترکاشوند - دانشجوی دکتری مهندسی کامپیوتر دانشگاه آزاد اسلامی، واحد لاهیجان

در سال های اخیر فناوری اینترنت اشیا (IoT) در حوزه های عملیاتی بسیاری همانند مراقبت از سلامت، نظارت ویدیویی، حمل ونقل و غیره به کار گرفته شده است. پذیرش و رشد عظیم اینترنت اشیا در این حوزه ها در حال تولید میزان بزرگی از داده ها است. بهعنوان مثال، تجهیزات اینترنت اشیا همانند دوربین ها مقادیر عظیمی از تصاویر را در حین استفاده در سناریوهای نظارت بیمارستانیتولید می کنند. در اینجا تشخیص چهره عنصر مهمی است که برای امن کردن تجهیزات بیمارستانی، تشخیص عواطف و تحلیلاحساسات بیماران، تشخیص تقلب بیمار و تحلیل الگوی ترافیک بیمارستان قابل استفاده هستند. سیستم های خودکار و هوشمندتشخیص چهره دارای دقت زیادی در یک محیط کنترل شده هستند؛ با این حال، آن ها دقت کمی در محیطی بدون کنترل دارند.همچنین این سیستم ها می بایست به صورت لحظه ای در کاربردهای بسیاری همانند بهداشت و درمان هوشمند کار کنند. این مقالهیک مدل عمیق مبتنی بر درخت را برای تشخیص چهره خودکار در یک محیط ابری پیشنهاد می کند. این مدل عمیق پیشنهادی دارایبار محاسباتی کمتری است و دقت را از بین نمی برد. در این مدل یک حجم ورودی به چندین حجم تقسیم می شود به طوری کهدرختی برای هر حجم ساخته می شود. یک درخت توسط ضریب شاخه سازی و ارتفاعش تعریف می شود. هر شاخه توسط یک تابعباقیمانده نمایش داده می شود که شامل یک لایه کانولوشنی، نرمالیزه سازی دسته ای و یک تابع غیرخطی است. این مدل پیشنهادیدر پایگاه داده های عمومی مختلفی ارزیابی می شود. مقایسه ای از عملکرد توسط بهترین مدل های عمیق برای تشخیص چهره انجاممی شود. نتایج حاصل از این آزمایش ها نشان می دهد که مدل پیشنهادی به دقت های ۹۸.۶۵، ۹۹.۱۹ و ۹۵.۸۴ درصد به ترتیب در پایگاه داده های FEI ، ORL و LFW دست یافته است.

شبکه عصبی عمیق (DNN) ، تشخیص چهره هوشمند، بهداشت و درمان، اینترنت اشیا، محیط ابری