امیرعلی خدایاری - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
آرش شریفی - عضو هیات علمی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
عباس کوچاری - عضو هیات علمی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران

تایید خویشاوندی یک مسئله جالب و چالش برانگیز در زمینه تجزیه و تحلیل چهره انسان در حوزه بینایی ماشین است که در سالهای اخیر توجهات بسیاری را به سمت خود جلب کرده است. تایید خویشاوندی کاربردهایی مانند سازماندهی مجموعه های بزرگی از تصاویر و شناخت شباهت های میان انسانها دارد. هدف این پژوهش به کارگیری شبکه های عصبی کانولوشن شاخص و موفق سالیان گذشته در تایید خویشاوندی است. این شبکه های شاخص عبارتند از AlexNet، VGGNet، GoogLeNet، ResNet و .MobileNet این شبکه ها که از عنوان داران مسابقات ImageNet Large Scale Visual Recognition Challenge هستند، تاکنون برای تایید خویشاوندی مورد استفاده قرار نگرفته اند. در این مقاله میزان دقت حاصل از شبیه سازی و به کار گیری این شبکه ها در تایید خویشاوندی با دیگر روشهای مبتنی بر شبکه های عصبی کانولوشن و نتایج مشاهدات انسانی (که پیشتر توسط دیگر محققان انجام شده است) مقایسه شده اند. بدین ترتیب مشخص شده است که این شبکه های شاخص میتوانند با تعداد پارامترهای کمتر نتایج قابل قبول و با تعداد پارامترهای بیشتر دقت بالاتری نسبت به دیگر روشهای موجود داشته باشند.

تایید خویشاوندی، بینایی ماشین، یادگیری عمیق، شبکه های عصبی کانولوشن