بهبود بازشناسایی شخص با استفاده از یادگیری انتقالی و شبکه های سیامی

بازشناسایی شخص در جامعه تحقیقاتی محبوبیت بالایی به دست آورده و دلیل آن افزایش کاربردها اهمیت آن در صنعت نظارت است. بازشناسایی شخص به دلیل وجود تغییرات درون کلاسی و بین کلاسی در دوربینهای مختلف همچنان به عنوان یک مسئله ی چالشی مورد بررسی قرار می گیرد. در این مقاله یک شبکه از نوع سیامی معرفی میشود که جفت تصاویر را دریافت کرده و سپس با استفاده از شبکه پیش آموزش داده شده ویژگیهای تصاویر را استخراج میکند و در نهایت خروجی توسط یک تابع اتلاف تصدیق تعیین میشود به منظور به دست آوردن ویژگیهای عمیق تر از تصاویر عابران پیاده از شبکه پیش آموزش داده شده ۳۰ EfficientNet برای استخراج ویژگیها استفاده کردیم. آزمایش ها را روی مجموعه داده CUHKOI برای نشان دادن دقت روش پیشنهادی انجام دادیم. دقت روش پیشنهادی در رتبه ۱ رتبه ۵ رتبه ۱۰ رتبه ۱۵ و رتبه ۲۰ به ترتیب ۹۹٫۰۹۹٫۹۵۷۰ و ۹۹۶ می باشد. نتایج نشان میدهد که روش ارایه شده نسبت به روشهای به روز دارای عملکرد بهتری است.

کلیدواژه ها:

بازشناسایی شخص شبکه سیامی ، اتلاف تصدیق ، .EfficientNet B۰