معرفی یک رویکرد بهینه شده تشخیص هوشمند گوش با استفاده از یادگیری عمیق

شناسایی افراد با استفاده از روش بیومتریک مبتنی بر گوش یک روش قابل اعتماد و مقاوم برای شناسایی هویت فردی است، زیرا گوش ویژگی های ساختاری پایدار و یکتایی دارد. تشخیص بیومتریک گوش در شبکه های عمیق کانولوشنی، به دلیل افزایش تقاضا در امنیت و کاربردهای نظارت در سال های اخیر محبوبیت زیادی پیدا کرده است. سیستم های بیومتریک مبتنی بر یادگیری عمیق تشخیص گوش با پیشرفت های مداوم در شبکه های عمیق کانولوشنی، بهبودهای زیادی را در حل چالش های قدیمی و اساسی به دست آورده اند. این پژوهش یک روش شناسایی اصلی بهینه معرفی می کند که از EfficientNet برای استخراج ویژگی های عمیق و از تحلیل مولفه های اصلی (PCA) برای کاهش ابعاد استفاده می کند تا دقت و کارایی محاسباتی ارتقا یابد. به منظور مقابله با چالش هایی مانند تغییرات زاویه دید، روشنایی و انسداد، از تکنیک های پیش پردازش تصویری پیشرفته ای مانند هم سطح سازی هیستوگرام وفقی (AHE) و فیلتر Gaussian بهره گرفته شده است. مدل بر روی مجموعه های داده عمومی متعددی چون USB Ear، AMI IT Delhi و EarVN۱.۰ آموزش و ارزیابی شده است که نشان دهنده عمومیت بالای آن در شرایط تصویربرداری مختلف است. نتایج تجربی نشان می دهد که دقت طبقه بندی به مقدار ۹۷.۵٪ می رسد و از مدل های سنتی CNN فراتر می رود؛ علاوه بر این، سیستم کارایی محاسباتی را بهبود می بخشد و به طور میانگین زمان پردازش ۲.۵ ثانیه برای هر تصویر را ارائه می دهد. این یافته ها پتانسیل به کارگیری بیشتر EfficientNet و PCA را در پیشبرد شناسایی بیومتریک گوش روشن می کند و راهکار مقیاس پذیر و موثری را برای استفاده از بیومتریک گوش در دنیای واقعی ارائه می دهد.

کلیدواژه ها:

بیومتریک گوش ، یادگیری عمیق ، EfficientNet ، PCA ، تشخیص هوشمند