بکارگیری نرم صفر هموار شده وزن دار در طبقه بندی نمایش تنک جهت شناسایی چهره

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 67

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PADSA-11-3_006

تاریخ نمایه سازی: 30 بهمن 1402

چکیده مقاله:

طبقه بندی و شناسایی یکی از مهمترین روش های استخراج اطلاعات از تصاویر می باشد که ازمیان آن ها، شناسایی تصاویر چهره به عنوان یکی از کارآمدترین ویژگی های بیومتریک در جهت شناسایی انسان ها همواره مورد توجه بوده است و درسال یان اخیر دراین زمینه تحقیقات گسترده ای انجام شده است. تاکنون راه حل های مختلفی بر ای شناسایی چهره از س وی محققان مطرح شده است ولی در میان آن ها استفاده از طبقه بندی نمایش تنک به عنوان راه حلی موثر و خاص مورد توجه قرار گرفته است. یکی از محاسن نمایش تنک دریافت تصاویر ورو دی بدون نیاز به استفاده از روش ه ای استخراج و یژگی است، لذا در این مقاله روش پیشنهادی با بکارگیری نرم صفر هموار شده وزن دار و بر اساس نمایش تنک جهت شناسایی چهره معرفی می شود. برای بررسی عملکرد روش پیشنهادی ازدو پایگاه داده ORL و AR شامل تصاویر حالات مختلف چهره استفاده شده است که نتایج شبیه سازی شده نشان دهنده عملکرد بسیار مناسب روش نسبت به سایر روش های معروف در زمینه شناسایی چهره می باشد .

کلیدواژه ها:

اسایی چهره ، استخراج ویژگی ، طبقه بندی نمایش تنک ، نرم صفر هموار شده وزن دار

نویسندگان

محمدسعید علمداری

دانشجوی دکتری دانشگاه خواجه نصیر الدین طوسی، تهران، ایران

مسعود فاطمی

دانشیار،دانشگاه خواجه نصیر الدین طوسی، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • K. R. Kakkirala, S. R. Chalamala, and S. Jami, “Thermal ...
  • K. Awedat, A. Essa, and V. Asari, “Sparse Representation Classification ...
  • T. Liu, J. X. Mi, Y. Liu, and C. Li, ...
  • W. Jinming, and L. Haifeng, “Binary sparse signal recovery with ...
  • R. Liu, M. Shu, and C. Chen, “ECG Signal Denoising ...
  • A. Wan, “Uniform RIP Conditions for Recovery of Sparse Signals ...
  • H. Mohimani, M. Babaie-Zadeh, and C. Jutten, “A fast approach ...
  • Babaie-Zadeh, M., B. Mehrdad, and G.B. Giannakis, “Weighted sparse signal ...
  • D. L. Donoho, “For most large underdetermined systems of linear ...
  • M. Malek-Mohammadi, M. Jansson, A. Owrang, A. Koochakzadeh, and M. ...
  • D. L. Donoho, and M. Elad, “Optimally sparse representation in ...
  • M. S. Alamdari, M. Fatemi, A. Ghaffari, “The Recovery of ...
  • M. Elad, “Sparse and Redundant Representations: From Theory to Applications ...
  • D. L. Donoho, M. Elad, and V. Temlyakov, “Stable recovery ...
  • K. Huang, and S. Aviyente, “Sparse representation for signal classification,” ...
  • M. S. Alamdari and M. Fatemi, “Presenting a new method ...
  • M. Shahrezaee and M. S. Alamdari, “The Application of Numerical ...
  • M. S. Alamdari, “Providing an optimal mathematical model based on ...
  • F. Samaria, and A. Harter, “Parameterisation of a stochastic model ...
  • A. Martinez, and R. Benavente, “The AR face database. In: ...
  • Face recognition via weighted non-negative sparse representation [مقاله ژورنالی]
  • Face recognition using sparce reprasentations and p-laplacian [مقاله ژورنالی]
  • نمایش کامل مراجع