بازشناسی چهره با استفاده از ترکیب طبقهبندیها از طریق روش AdaBoost
محل انتشار: پنجمین کنفرانس ماشین بینایی و پردازش تصویر
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,930
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP05_110
تاریخ نمایه سازی: 29 اردیبهشت 1387
چکیده مقاله:
استفاده از نتایج حاصل از ترکیب طبقه بندها، یکی از راههای افزایش کارایی سامانه های بازشناسی چهره می باشد که در سال های اخیر محققین زیادی به آن پرداخته اند. الگوریتم AdaBoost ، به عنوان یکی از الگوریتم های تقویتی کارآمد که برای کاهش ابعاد فضای ویژگی های استخراج شده در سامانه های بازشناسی چهره استفاده شده است، تاکنون به عنوان طبقه بند در سامانه های بازشناسی چهره مورد استفاده قرار نگرفته است. در این مقاله به موضوع استفاده از این الگوریتم در بخش طبقه بندی یک سامانه بازشناسی چهره با هدف تأیید هویت پرداخته ایم. ویژگی های مورد استفاده بر اساس تبدیلات PCA و LDA استخراج شده است . برای آموزش و آزمایش این سامانه، 400 تصویر ر ORL و 165 تصویر پایگاه داده YALE مورد استفاده قرار گرفت AdaBoost به عنوان یک طبقه بند ترکیبی، توانسته نتایج را نسبت به یک طبقه بند منفرد بهبود بخشد . نشان داده شده که مدل نهایی ارائه شده نسبت به حالت های مختلف چهره، تغییرات نور، موقعیت و ... مقاوم می باشد. جهت ارزیابی نتایج روش پیشنهادی، روش کلاسیک KNN نیز شبیه سازی شده و نتایج آن با روش پیشنهادی مورد مقایسه قرار گرفته است که مؤید ارجحیت روش پیشنهادی می باشد.
کلیدواژه ها:
نویسندگان
پریسا فردی
دانشجوی کارشناسی ارشد کامپیوتر گرایش هوش مصنوعی و رباتیک، واحد علوم و
محمد شهرام معین
عضو هیئت علمی گروه سامانه های چند رسانه ای، پژوهشکده فناوری اطلاعات،
کیوان معقولی
عضو هیئت علمی دانشکده مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزا
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 :