ارتقای روش SRC جهت شناسایی چهره با استفاده از یک نمونه آموزشی از هر فرد با استفاده از تنظیم پارامتر با الگوریتم GWO
محل انتشار: کنفرانس بین المللی یافته های نوین پژوهشی در علوم،مهندسی و فناوری با محوریت پژوھشھای نیاز محور
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 851
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMRS01_377
تاریخ نمایه سازی: 8 آبان 1395
چکیده مقاله:
در روش های شناسایی چهره متداول معمولا چندین تصویر برای هر فرد در نظر گرفته می شود ولی در بسیاری از کاربردهای دنیای واقعی تنها یک تصویر آموزشی برای هر شخص در دسترس می باشد. اخیرا ارائه اسپارس (و یا برنامه نویسی) براساس دسته بندی (SRC) با موفقیت در تشخیص چهره استفاده شده است. اما این این ایده و روش کار همچنان جای ارتقا دارد. در این مقاله، شناسایی چهره با استفاده از نمایش اسپارس داده ها و دسته بندی کلاس ها و ارتقای آن با استفاده از الگوریتم بهینه سازی گرگ خاکستری جهت تنظیم پارامتر انجام می شود. همچنین برای انجام شناسایی با یک تصویر از هر فرد و برای بالا نگه داشتن نرخ شناسایی، از یک لغت نامه کمکی حاوی ویژگی هایی نظیرeigen- face که از تصاویر افراد دیگر استخراج شده استفاده می شود و با آموزش لغت نامه تغییرات درون کلاسی تصویر هر فرد را مدل می شود. این کار علاوه بر بالا نگه داشتن نرخ شناسایی باعث می شود اندازه لغت نامه به تعداد متغیرها بستگی پیدا کند نه به تعداد کلاس ها (افراد)، لذا حجم محاسبات به مقدار چشمگیری کاهش می یابد.
کلیدواژه ها:
نویسندگان
محمدکریم حردانی اصل
مربی، دانشجوی دکتری کامپیوتر – هوش مصنوعی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران جنوب ،
زینب جمهور
کارشناس ، دانشجوی ارشد کامپیوتر – هوش مصنوعی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران جنوب
محمد عباسی
کارشناس ، دانشجوی ارشد کامپیوتر – هوش مصنوعی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران جنوب
پیمان شیخ الحرم مشهدی
استادیار، دکتری کامپیوتر – هوش مصنوعی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران جنوب
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 :