ترکیب یادگیری عمیق و اطلاعات مرزی برای تشخیص نقاط مبنای صورت

تشخیص نقاط مبنای چهره، فرایند مشخص کردن مکان نقاطی خاص بر روی چهره انسان، عملیاتی مهم در فرایندهای متفاوت بینایی ماشین، همانند تشخیص احساسات، تشخیص ژست می باشد. روش های یادگیری عمیق به طور ویژه شبکه های پیچشی به دلیل بازدهی بسیار بالایی که دارند به راهکار اصلی برای مواجهه با این مسئله تبدیل شده است. بااین حال تحقیقات اخیر نشان داده است که ترکیب اطلاعات اضافی علاوه برعکس چهره می تواند در بهبود تشخیص شبکه تاثیرگذار باشد. این پژوهش سعی دارد تا توانایی ترکیب اطلاعات مرزی با شبکه های یادگیری عمیق را بررسی کند. درحالی که شبکه های پیچشی توانایی یادگیری طرح های پیچیده تنها با استفاده از عکس ها رادارند اما بااین حال آن ها با شرایط سخت و داده های پیچیده به مشکل برمی خورند. اطلاعات مرزی، که شکل هندسی چهره را مشخص می کند می تواند اطلاعات باارزشی برای مدل به همراه بیاورد. با بهره بری از این اطلاعات و استفاده از عکس ها می تواند مدل تشخیص نقاط مبنای صورت را به سمت دقت و تکرارپذیری بالاتر پیش برد. این رویکرد چندین مزیت بالقوه را ارائه می دهد. اولا، می تواند به مدل کمک کند تا تغییرات ظاهری صورت، مانند تغییرات ژست، انسداد یا شرایط نور را کنترل کند. ثانیا، با ارائه محدودیت های هندسی، اطلاعات مرزی به طور بالقوه می تواند پیچیدگی خود مدل یادگیری عمیق را کاهش دهد و منجر به راه حل های کارآمدتر و سبک تر شود.

کلیدواژه ها:

تشخیص نقاط مبنای صورت ، شبکه عصبی عمیق ، اطلاعات مرزی