تخمین سن انسان از روی تصاویر با استفاده از یادگیری عمیق
- سال انتشار: 1402
- محل انتشار: سومین کنفرانس ملی تحقیقات نوین در مهندسی برق و کامپیوتر
- کد COI اختصاصی: ECIT03_055
- زبان مقاله: فارسی
- تعداد مشاهده: 288
نویسندگان
گروه مهندسی برق، دانشگاه اصفهان- اصفهان- ایران
استادیار گروه مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی مبارکه-مبارکه- اصفهان- ایران
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی مبارکه-مبارکه- اصفهان- ایران
چکیده
هدف در تحقیق، برآورد اتوماتیک و تعیین سن افراد بدون دسترسی به آن ها است. در این پژوهش سعی شده است که سن به صورت عدد با کمترین تفاوت با سن واقعی انسان تخمین زده شود.اکثر تحقیقات و روش های انجام شده در این زمینه، سن را به صورت عددی تخمین میزدو دارای دقت کافی نبود. برای این پژوهش با بهره گیری از تکنیک یادگیری انتقالی، از مدل آموزش دیده به نام InceptionV۳ استفاده می شود. این مدل ، دارای ۴۸ لایه عمیق است که از عمل Dropout برای حذف تصادفی بعضی نورون ها به منظور کاهش overfitting استفاده شده است. همچنین با استفاده از تکنیک Batch Normalization، در ابتدای لایه ها، داده های ورودی برای هر لایه را رگولایز می شود. در این تحقیق از مجموعه داده های Imdb و Wiki استفاده شده است که جمعا ۵۲۳۰۵۱ تصویر از چهره افراد با سن صفرتا صدسال را شامل میشود. سپس با اعمال تکنیک Data Augmentation روی این تصاویر، مرتبا تصاویر جدید تولید می شود و عملایک مجموعه داده با بی نهایت تصویر حاصل می شود. سرانجام با آزمون وخطا مقدارهای بهینه برای هایپرپارامترهای شبکه عصبی شامل نرخ یادگیری ( learnin grate)، تعداد تکرارها (epoch)، تعداد ورودی در هر بار آموزش (size batch) را انتخاب کرده و مدل پیشنهادی آموزش داده می شود. به منظور ارزیابی و مقایسه مدل پیشنهادی از شاخص MAEاستفاده شده است. این شاخص میانگین تفاوت بین سن تخمین زده شده و سن واقعی است که از روی همه داده هایتست به دست می آید. روش پیشنهادی با دو روش PCA+Gabor و Multiple CNNکه در سه سال اخیر در مقالات معتبر چاپشده، مقایسه شده و MAE به ترتیب ۳.۳۴ و ۵.۵۳ و۳.۰۸ به دست می آید که نشان می دهد روش پیشنهادی نسبت به دو روش دیگر بهتر عمل کرده استکلیدواژه ها
یادگیری عمیق، تخمین سن، InceptionV۳، یادگیری انتقالی،Dropout،MAEمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.