ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

طبقه بندی صورت ها و نا صورت ها با استفاده از الگوریتم ADABOOST

تعداد صفحات: 9 | تعداد نمایش خلاصه: 958 | نظرات: 0
سال انتشار: 1393
کد COI مقاله: NCECN01_168
زبان مقاله: فارسی
(فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله طبقه بندی صورت ها و نا صورت ها با استفاده از الگوریتم ADABOOST

مهرزاد امیری - دانشجوی کارشناسی ارشد مهندسی مکاترونیک، دانشگاه آزاد اسلامی واحد علوم و تحقیقات،سمنان
کیوان معقولی - استاد یاروعضو گروه تخصصی بیو الکتریک،دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
سیدفرهود موسوی زاده - عضو هئیت علمی دانشکده مهندسی برق دانشگاه آزاد اسلامی واحد سمنان

چکیده مقاله:

مسائل پردازش چهره به دودسته کلی تقسیم میشود یکی مجموعه مسائل به تشخیص چهره از غیر چهره(Detection ) و دیگری هم مسائل مربوط به تشخیص هویت از روی تصویر چهره (Recognition). جهت طبقه بندی داده ها ازدسته کننده های زیادی استفاده می شود که یکی از این دسته کننده ها (Classifiers) الگوریتمی به نام Adaboost می باشد. Adaboost یک روش باز شناسایی تمایز بین چند مورد است. Adaboost متدی است که با استفاده از الگوریتم Boosting به دسته بندی سمپل ها یا تصاویر ورودی می پردازد.Adaboost با کلاسیفایرهای مختلف می تواند به کار رود. یک مقدار آستانه که مقدارهای کوچک تر از آن از یک کلاس و مقادیر بزرگتر از آن جزء کلاس دیگر در نظر گرفته شده است، در این الگوریتم بکار گرفته میشود. در حقیقت از نتایج حاصل از طبقه بندهای ضعیف استفاده میشود و دسته بندی نهایی انجام میگردد.این دسته بندی هم به صورت مرحله به مرحله انجام میشود به این صورت که در مرحله ی اول ، نتیجه اولیه از نتایج weak classifier ها به دست می آید و سپس بر حسب محاسبه ی ضریب خطا ، اثر برخی از این weak classifier ها بیشتر میگردد و اثر برخی دیگر کاهش می یابد. هر کدام ازweak classifier ها یک ویژگی خاص بر روی تصاویر را مورد بررسی قرار داده و بر حسب threshold که برای آن تعریف شده است، نتیجه ی دسته بندی خود مبنی بر وجود یا عدم وجود چهره رااعلام می دارد. ایده اصلی در این مقاله دیدن هر تصویر به صورت یک سیگنال می باشد. در واقع ما هر تصویر را با استفاده از دستورات متلب به یک سیگنال تبدیل کرده وسیگنالها را به عنوان ورودی به الگوریتم Adaboost می دهیم واین الگوریتم با استفاده از مقدار آستانه تعریف شده در برنامه تصاویر را به دوگروه صورت وناصورت تقسیم کرده ودرانتها با توجه به مقدار تکرار برنامه یک مقدار خطا به ما می دهد. پایگاه داده مورد استفاده در این تحقیق شامل 15000 صورت و ناصورت با اندازه هر تصویر 24×24می باشد. دقت نهایی تشخیص صورت از نا صورت بر اساس روشهای اعمال شده برابر98% در دادگان آموزش و96% آزمایش می باشد.

کلیدواژه ها:

الگوريتم Adaboost، Threshold، كلا سيفاير ضعيف، صورت و ناصورت

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/330423/

کد COI مقاله: NCECN01_168

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
امیری، مهرزاد و معقولی، کیوان و موسوی زاده، سیدفرهود،1393،طبقه بندی صورت ها و نا صورت ها با استفاده از الگوریتم ADABOOST،اولین همایش ملی مهندسی برق و کامپیوتر در شمال کشور،بندرانزلی،،،https://civilica.com/doc/330423

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1393، امیری، مهرزاد؛ کیوان معقولی و سیدفرهود موسوی زاده)
برای بار دوم به بعد: (1393، امیری؛ معقولی و موسوی زاده)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • بازشناسی چهره با استفاده از ترکیب طبقه‌بندیها از طریق روش AdaBoost [مقاله کنفرانسی]
  • . Bihlmann Peter and Hothorn Torsten (2007), "Boosting Algorithms: Regularization, ...
  • . Bauer Eric and Kohavi Ron (1999) An empirical comparison ...
  • . D.B. Redpath and K. Lebart, ECE, (2005)" Boosting Feature ...
  • . Drucker Harrs and Cortes Corinna.(1996) Boosting decision tree, In ...
  • . E. Schapire Robert and Singer Yoram. BoosTexter: A boosting-based ...
  • . Freund Yoav and E. Schapire Robert(1996) Experiments with a ...
  • . Freund Yoav and Mason Llew (1999) the alternating decision ...
  • . Harris Drucker and Corinna Cortes. Boosting decision trees In ...
  • . Jun Goo and Joydeep Ghosh (2009) "Multi-class Boosting with ...
  • . Matas Jiri and S ochman Jan, "AdaBoost", Centre for ...
  • . Ma Songyan _ _ Tiancang(201 0), " Improved Adaboost ...
  • . Schwenk Holger and Bengio Yoshua.(1998) Training methods for adaptive ...
  • . William W. Cohen and Yoram Singer(1999). A simple, fast, ...
  • . Young-Gon Kim, Rae-Hong Park, Seong-Su Mun(2012), "Face Detection Using ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 3,391
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی