تشخیص حالت چهره مبتنی بر یادگیری انتقالی در شبکه عصبی پیچشی
عنوان مقاله: تشخیص حالت چهره مبتنی بر یادگیری انتقالی در شبکه عصبی پیچشی
شناسه ملی مقاله: DPFSTS06_352
منتشر شده در ششمین کنگره بین المللی توسعه و ترویج علوم و فنون بنیادین در جامعه در سال 1397
شناسه ملی مقاله: DPFSTS06_352
منتشر شده در ششمین کنگره بین المللی توسعه و ترویج علوم و فنون بنیادین در جامعه در سال 1397
مشخصات نویسندگان مقاله:
سارا شعبانی - دانشکده مهندسی کامپیوتر دانشگاه آزاد اسلامی، قزوین
حسن رشیدی - دانشکده مهندسی کامپیوتر دانشگاه آزاد اسلامی، قزوین
خلاصه مقاله:
سارا شعبانی - دانشکده مهندسی کامپیوتر دانشگاه آزاد اسلامی، قزوین
حسن رشیدی - دانشکده مهندسی کامپیوتر دانشگاه آزاد اسلامی، قزوین
شناخت احساسات در تصویر چهره مسئله ای کلاسیک در زمینه بینایی کامپیوتر است و بدین سبب مطالعات بسیاری بدان معطوف شده است. در این مقاله مدلی مبتنی بر یادگیری انتقالی مورد مطالعه قرار گرفته است. در مدل پیشنهادی چند شبکه پیش آموخته به عنوان ابزاری خودکار برای استخراج ویژگی از داده های خام مورد استفاده قرار گرفته است. به منظور افزایش عملکرد تشخیص حالت چهره چند طبقه بند مورد بررسی قرار گرفتند. نتایج آزمایش بر روی مجموعه داده های + CK و JAFFE ، نشانگر دقت مناسب روش پیشنهادی مبتنی بر MLP با هزینه محاسباتی پایین برای آموزش مدل است.
کلمات کلیدی: یادگیری انتقالی، یادگیری عمیق، تشخیص حالت چهره، استخراج ویژگی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/917084/