شناسایی چهره به کمک شبکههای عصبی با نظارت الگوریتم جهش قورباغه

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 581

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICESCON04_170

تاریخ نمایه سازی: 25 آذر 1395

Abstract:

شناسایی چهره یکی از دشوارترین جنبههای بازشناسی تصویر است. زیرا تصویر چهره یک ساختار انعطاف پذیر دارد. هنگامی که موضوع بازشناسی چهره توسط ماشین پیش می آید، چندین مانع بزرگ وجود دارد که موفقیت و کارائی را در بازشناسی کاهش میدهد. هنگام گرفتن تصاویر زمینه نمونه در پایگاه دادههای تصاویر چهره ممکن است تصاویر گرفته شده در زوایای مختلفی ذخیره شده باشند در نتیجه ممکن است کارائی بازشناسی را تا حد قابل توجهی کاهش دهند. برای حل این چالش قصد داریم روشی کارا برای تشخیص هویت از طریق تصاویر چهره در زوایای متفاوت توسط شبکههای عصبی معرفی کنیم. در جهت افزایش دقت شبکه های عصبی از الگوریتم جهش قورباغه برای آموزش شبکه های عصبی استفاده می شود. در این مقاله استخراج ویژگی از تصاویر چهره افراد با استفاده از الگوریتم تحلیلی مؤلفههای اصلی انجام می شود و سپس شبکه های عصبی با الگوریتم جهش قورباغه آموزش داده می شود تا عمل تشخیص هویت انجام شود. نتایج استفاده از شبکه عصبی پرسپترون چند لایه حاکی از دقت ۱۰۰٪در تشخیص تصاویر آموزشی، دقت ۹۵٪ در تصاویر آزمایشی و دقت ۹۹٪ به ازای کل تصاویر است.XICESCON04 (Last saved by user).

Authors

مستوره آهنکوب

دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

علی برومندنیا

عضو هیئت علمی، گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

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 :
  • MP, Rajath Kumar. (2015). Principal Component Analysis ...
  • Itpong, P., Luangpaiboon, P., & Pongcharoen, P. (2008). Solving nonlinear ...
  • Eusuff, M. M., & Lansey, K. E. (2003). Optimization of ...
  • Karayiannis, N., & Venet sanopoulos, A. N. (2013). Artificial neural ...
  • Chen, W., Fu, Z. J., & Chen, C. S. (2014). ...
  • Powers, D. M. (2011). Evaluation: from precision, recall and F-measue ...
  • Willmott, C. J., & Matsuura, K. (2005). Advantages of the ...
  • Mahmoudi, M. T., Forouzideh, N., Lucas, C., & Taghiyareh, F. ...
  • Montgomery, D. C., Peck, E. _ & Vining, G. G. ...
  • Kruse, R., Borgelt, C., Klawon, F., Moewes, C., Steinbrecher, M., ...
  • Paul, A., Bhattacharya, P., & Maity, S. P. (2014). Comparative ...
  • نمایش کامل مراجع