بهبود عملکرد سیستم بازشناسی چهره مقاوم به حالت های مختلف چهره با استفاده ازیادگیری عمیق
Publish place: The 9th joint Conference on Artificial Intelligence & Robotics and the 2nd RoboCup Asia-Pacific International Symposium
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 587
This Paper With 9 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:
شناسه ملی سند علمی:
IRANOPEN09_006
تاریخ نمایه سازی: 27 آذر 1398
Abstract:
یکی از چالش های پیش روی بازشناسی چهره سه بعدی، مقاوم بودن در برابر حالت های مختلف چهره می باشد. در این مقاله، هدف طراحی سیستمی است که تصاویر حالت های مختلف چهره را دریافت و نسبت به آن، بازشناسی چهره را با دقت بالایی انجام دهد. برای ارزیابی الگوریتم پیشنهادی از تصاویر دو بعدی بافت و سه بعدی عمق چهره که در پایگاه داده Bosphorus به صورت مجزا قابل استخراج است، استفاده شده است. ابتدا ناحیه های اصلی چهره از تصاویر اولیه کل چهره جدا می شود. از هر تصویر بافت و عمق با روش الگوی دودویی محلی می توان تصاویر جدید دیگری ایجاد کرد. در مجموع برای ورودی شبکه عصبی کانولوشن و آموزش شبکه، چهار تصویر بافت و عمق و دو تصویر دیگر که با روش الگوی دودویی محلی ایجاد می شود را در نظر می گیریم. شبکه عصبی کانولوشن پیشنهادی عمل استخراج ویژگی و انتخاب ویژگی و طبقه بندی را انجام می دهد. دقتی که توسط الگوریتم پیشنهادی بدست می آید، 97٫22٪است که علاوه بر مقاوم بودن به حالت های مختلف چهره، نتیجه مطلوبی برای مدیریت تغییرات حالات چهره بر روی پایگاه داده تصاویر سه بعدی چهره را نشان می دهد که نسبت به کارهای اخیر با دقت بالاتری انجام شده است.
Keywords:
Authors
فاطمه سادات قیاسی
دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه آزاد اسلامی، واحد قزوین، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، قزوین، ایران
کریم فائز
استاد، دانشگاه صنعتی امیرکبیر، دانشکده مهندسی برق، تهران، ایران