تایید ارتباط خانوادگی از تصاویر چهره والدین و فرزندان با یادگیری عمیق

تشخیص چهره از جمله بخش هایی از علم و فناوری اطلاعات است که در حوزه پردازش تصاویر از جایگاه خاصی برخوردار است. تمرکز اخیر تشخیص چهره بر روی روابط خویشاوندی، حوزه جدیدی را پیش روی متخصصان این علم جدید قرار داده است. پیشرفته ترین روش های تایید خویشاوندی صورت را می توان بر اساس مشارکت اصلی آنها به سه دسته شامل: رویکردهای استخراج ویژگی، رویکردهای یادگیری متریک و رویکردهای یادگیری عمیق طبقه بندی کرد. در این مقاله تمرکز ما بر روی صحت تشخیص خویشاوندی براساس تصاویر چهره است. برای این منظور از چند مجموعه داده استاندارد استفاده شد که تصاویر در آن به صورت دو به دو باهم (جفت عکس)، برچسب خویشاوندی یا عدم خویشاوندی خورده اند. رهیافت پیشنهادی یک الگوی دوکلاسه برای تشخیص خویشاوندی از روی تصاویر می باشد که با تکیه بر شبکه های عصبی کانولوشنی تفکیک پذیر انجام شده است. این مدل در مقایسه با مدل های کانولوشنی پایه دارای پیچیدگی محاسباتی کم و دقت بالاتر هستند. این رهیافت شامل سه مرحله کلی است. در مرحله اول پس از پیش پردازش تصاویر، جفت عکس ها به مجموعه های آموزش و آزمون افراز می شوند. سپس در مرحله دوم مجموعه داده ورودی به شبکه عصبی کانولوشنی با لایه تفکیک پذیر ارسال می شوند تا فرآیند استخراج ویژگی انجام گیرد. در ادامه ویژگی های استخراج شده بر تصاویر ورودی (جفت تصویر) به لایه امبدینگ ارسال شده و فاصله اقلیدسی آنها محاسبه می شود. فاصله اقلیدسی گویای میزان تفاوت یا شباهت دو تصویر می باشد. نهایتا در مرحله سوم و تشخیص خویشاوندی، رهیافت پیشنهادی با آموزش بر روی مجموعه داده ورودی (جفت تصاویر آموزش) به یک الگوی مناسب در تشخیص کلاس های داده می رسد. سپس با تکیه بر الگوی آموزش دهی خویشاوندی جفت تصاویر آزمون را تشخیص می دهد. کارایی رهیافت پیشنهادی در شاخص های ارزیابی دقت، صحت، یادآوری و F۱ مورد بررسی قرار گرفته و نتایج نشان داد مدل پیشنهادی در مقایسه با مدل های مشابه نتایج موثرتری ارائه می دهد. به نحوی دقت تشخیص روابط با آن بر روی مجموعه داده KinFace W-I به صورت میانگین ۵۶.۷۸ درصد، بر روی مجموعه داده KinFace W-II به صورت میانگین ۳.۹ درصد و نهایتا بر روی Familly ۱۰۱ به صورت میانگین ۵۸.۵۷ می باشد.

کلیدواژه ها:

خویشاوندی ، تشخیص خویشاوندی ، چهره ، پردازش تصویر ، یادگیری عمیق