شناسایی گوش بااستفاده از روش استخراج مشخصه HMAX و طبقه بندی کننده SVM

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,785

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI13_019

تاریخ نمایه سازی: 25 آبان 1386

چکیده مقاله:

در این مقاله، روش جدید وموفّقی به نامHMAX که از سیستم بیولوژیکی مغز انسان برای تهیه بردار خصوصیات الهام می گیرد، به منظور استخراج مشخصه های گوش افراد استفاده شده است. ما از مجموعه داده گوش USTB که شامل ١٨٠ تصویر گوش از ٦٠ نفر( با ٣ تصویر از هر نفر) می باشد، برای اثبات عملکرد مناسب روشمان استفاده نموده ایم. نتایج آزمایشی ما نشان داده است که شیوه پیشنهاد شدی در مقایسه با شیوه،PCA نه تنها ضریب شناسایی بالاتری را به دست می آورد، بلکه همچنین این شیوه نسبت به تغییر مقیاس و موقعیت تصاویر نیز مقاوم است و عملکرد آن در برابر این تغییرات، ثابت باقی می ماند. درحالیکه روش،PCA فقط کنترل شده

کلیدواژه ها:

بیومتریک گوش ، استخراج مشخصه ، مدل ، HMAX دسته بندی کننده (support vector machine)SVM ، فیلتر گاوسین

نویسندگان

محبوبه یعقوبی

دانشکده برق-رایانه و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد قزوین

کریم فائز

دانشکده مهندسی برق،دانشگاه امیرکبیر، تهران

سارا معتمد

دانشکده برق-رایانه و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد قزوین

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 مقاله لینک شده اند :
  • A. Jain, BIOMETRICS: Personal Identification in Network Society. Kluwer Academic, ...
  • A. Iannarelli. Ear Identification Forensic Identification Series. Paramount Publishing Company, ...
  • M. Burge, W. Burger. Ear Biometrics in Computer Vision. In ...
  • P. Yan and K. W. Bowyer. Empirical evaluation of advanced ...
  • K. Chang, K. Bowyer, and V. Barnabas. Comparison and combination ...
  • H. Wersing and E. Korner. Learning optimized features for hierarchical ...
  • Yann LeCun, Fu-Ji eHuang, and Leon Bottou. Learning methods for ...
  • T. Serre, L. Wolf and T. Poggio." Object recognition with ...
  • T. J. Gawne and J. Martin. Response of primate visual ...
  • Riesenhuber M, Poggio T (2000) Models of Object Recognition. Nature ...
  • M. Riesenhuber and T. Poggio. Hierarchical models of object recognition ...
  • D. Hubel and T.Wiesel. Receptive fields and functional architecture in ...
  • I. Lampl, D. Ferster, T. Poggio, and M. Riesenhuber. Intracellular ...
  • Serre, T., and Riesenhuber, M. (2004) Realistic Modeling of Simple ...
  • B. Heisele, T. Serre, M. Pontil, T.Vetter, and T. Poggio. ...
  • T. Serre and M. Riesenhuber. Realistic modeling of simple and ...
  • http ://www.ustb .edu.cn/resb/ ...
  • نمایش کامل مراجع