بررسی روش های مختلف تشخیص چهره با تعداد کمی از نمونه های ورودی

در این مقاله ما به بررسی مشکل تشخ یص چهره مقاوم با نمونه برداری کم از داده آموزشی می پردازیم. در دنیای واقعی تنها یک یاچند تصویر آموزشی برای هر فرد در نظر گرفته می شود، رو یکرد وروش های بسیاری برای تشخیص پیشنهاد شده است، مثلا روش تشخیص چهره نمونه برداری از طریق آموزش واژه نامه کمکی مقاوم که تصاویر آموزشی با تغییرات درونی بزرگ مانند روشنایی و حالت را در نظر می گیرد. این روش با آموزش واژنامه کمکی مقاوم برا ی هر فرد که مورد علاقه نیست بدست می آید. با در نظر گرفتن نمونه برداری داده آموزشی، هر دو تغییرات بیرون ی و درون ی با موفق ی ترسیدگی شده، در حالی که انسداد های نهان م ی توان به صورت خودکار برای بهبود تشخیص نادیده گرفته شود. تجربیات ما به رو یدادگان تصویر نتایج اثر بخش و خوبی داشته، که نشان دهنده بهبود پیشرفت روش های مبتنی بر اسپارس است. همچنین در بررسی صورت گرفته روش RADL نسبت به تمامی روش های مورد بحث نتایج بهتری را از خود نشان داد.

Keywords:

.RSC , SRC , RADL , چهره تشخیص