شناسایی چهره با استفاده از ترکیب طبقه بندهای نمایش تنک و نزدیک ترین زیرفضا
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,349
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
IPRIA01_134
Index date: 2 August 2014
شناسایی چهره با استفاده از ترکیب طبقه بندهای نمایش تنک و نزدیک ترین زیرفضا abstract
با توجه به نیاز روز افزون به ایجاد و توسعه سامانههای خودکار، مساله آشکارسازی و شناسایی چهره افراد در تصاویر از جایگاه ویژهای برخوردار است. در سال های اخیر طبقه بندی مبتنی بر نمایش تنک خیلی مورد توجه محققین قرار گرفتهاست. در این مقاله روشی سریع و کارا برای شناسایی چهره مبتنی بر نمایش تنک ارائه میشود. با توجه به اینکه نمایش تنک مبتنی بر محاسبه نمایش تنک با بهینه سازی نرم1برای دیکشنری با ابعاد بالا دارای حجم محاسبات بالا است، یک روش مبتنی بر بهینهسازی نرم نرم شده ارائه میشود. بدست آوردن نمایش تنک با استفاده از نرم نرم شده با توجه به درجه بالای افزونگی هنگامی که تعداد ویژگیهای چهره کم است و شرایط یکتایی نمایش تنک نیز به درستی رعایت نشده است یا مدل بکار رفته دقیق نباشد، خطر گیر افتادن در مینیممهای محلی خیلی زیاد است. از این رو در اینجا، ما ایده نمایش تنک وزندار برای محدود کردن فضای جستجو ارائه میدهیم و الگوریتم ترکیبی طبقهبندهای نمایش تنک ونزدیک ترین زیرفضاNS)ارائه میشود . نتایج شبیهسازی بر روی پایگاه داده Extended Yale Bنشان میدهد که روش ارائه شده دقت بالایی در شناسایی چهره با حجم محاساباتی کمتر نسبت روش مبتنی بر نرمدارد.
شناسایی چهره با استفاده از ترکیب طبقه بندهای نمایش تنک و نزدیک ترین زیرفضا Keywords:
شناسایی چهره با استفاده از ترکیب طبقه بندهای نمایش تنک و نزدیک ترین زیرفضا authors
ابوذر غفاری
دانشگاه صنعتی شریف دانشکده برق تهران
ایمان اسمعیلی پایین افراکتی
دانشگاه صنعتی شریف دانشکده برق تهران
عمادالدین فاطمی زاده
دانشگاه صنعتی شریف دانشکده برق تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :