مکان یابی چهره با استفاده از شبکه های کانولوشن عمیق

در این مقاله هدف طراحی یک شبکه ی عصبی کانولوشن کوچک برای دستهبندی چهره است که بتواند به دقتی نزدیک به سایر شبکه های عصبی عمیق بسیار بزرگتر و پیچیدهتر در زمان آموزشی کوتاهی دست یابد و از آن برای تشخیص چهره در تصاویری بزرگتر استفاده شود. با توجه به اینکه شبکه های عصبی کانولوشن به خودی خود حجم بالایی از حافظه را اشغال میکنند و زمان زیادی صرف آموزش آنها میشود، استفاده از شبکه های کانولوشن بزرگ برای تشخیص چهره، تنها برای رسیدن به دقت بالاتر توجیه پذیر نیست. با این حال با توجه به این که بارها تواناییهای شبکه های عصبی عمیق چه در استخراج ویژگی های سطح بالاتر و بصری تر و چه در تشخیص اشیا نشان داده شده است و هم چنین استفاده از سخت افزارهای پیچیده تر برای تسریع روند آموزش، مانند واحدهای پردازش گرافیکی که با تعداد بالا و به صورت موازی مورد استفاده قرار می گیرند، تمایل به استفاده از این شبکه ها بیش تر و بیشتر می شود. از این رو، خلاقیت بکار رفته در این مقاله طراحی شبکه ی کانولوشنی است که با وجود عمق کم آن یعنی استفاده از سه لایه ی کانولوشن و دو لایهی تمام متصل، میتواند روی پایگاه داده هایWider Face به نرخ % 89,87 برای تصاویر آزمایش در دسته بندی دست یابد

Keywords:

شبکه های عصبی کانولوشن , تشخیص چهره , تنسورفلو , واحدهای پردازش گرافیکی