داده افزایی با استفاده از شبکه های مولد تخاصمی جهت بهبود باز تشخیص افراد

در سال های اخیر، پژوهش ها در زمینه بازتشخیص افراد به طور پیوسته پیشرفت کرده اند. در این راستا، شبکه های عصبی متخاصم به موفقیت چشمگیری دست یافته اند و به عنوان یک رویکرد برجسته در این حوزه شناخته می شوند. در این مقاله، با بررسی کاربرد انواع شبکه های متخاصم در بازتشخیص افراد، از ترکیب شبکه ATNet و مدل Pix۲Pix برای داده افزایی استفاده شده است. مدل Pix۲Pix که در تبدیل تصویر به تصویر در زمینه های مختلف موفقیت آمیز بوده، از الگوریتم PatchGAN به عنوان متمایزکننده و U-Net به عنوان تولیدکننده بهره می گیرد. روش پیشنهادی برای داده افزایی مبتنی بر وجود تصاویر فرد مورد نظر از چهار جهت (روبه رو، پشت، سمت چپ و راست) است. پس از دسته بندی تصاویر در مجموعه داده های Market-۱۵۰۱ و CUHK۰۳، تصاویر نماهای ناموجود با استفاده از شبکه ATNet تولید شده اند. مقایسه های انجام شده نشان دهنده بهبود عملکرد روش های پیشرو در بازتشخیص افراد با داده افزایی پیشنهادی در این مقاله است.

کلیدواژه ها:

بازتشخیص افراد ، داده افزایی ، شبکه عصبی تخاصمی ، سیستم Pix۲Pix ، شبکه ATNet و مدل U-Net