تشخيص كم هزينه چهره انسان بااستفاده از روش يادگيري عميق

كارشناسي ارشد

چكيده با توجه به اين كه اهميت سيستم هاي شناسايي كم هزينه چهره انسان با روش يادگيري عميق در كاربرد هاي مختلف روز به روز مشخص تر ميگردد.كارهاي زيادي به منظور بهبود دقت اين روش ها صورت گرفته است. در ساليان اخير با ظهور شبكه هاي كانولوشن عميق شاهد اين هستيم, اين روش ها نسبت به خيلي از روش هاي متداول نتايج بهتري را حاصل مي كنند, در اين پايان نامه از شبكه عصبي كانولوشنال عميق به منظور شناسايي چهره انسان به صورت كم هزينه كمك گرفته ايم كه در واقع از اين شبكه براي بهبود شبكه خود استفاده كرديم كه به مراتب نسبت به روش هاي نوين بهتر بوده است.روش پيشنهادي ما علاوه بر بهبود دقت شناسايي ,با استفاده از شبكه هاي يادگيري عميق كه ما از شبكه كانولوشن استفاده كرديم امكان بازشناسي تصوير در وضوح بالا از تصوير با وضوح پايين مهيا مي كند. و دقت شناسايي آن در حالاتي كه چهره در تصوير ورودي داراي حالتي غير طبيعي با ژست متفاوت و همراه با تغييرات ميزان نور است به صورت ويژه اي بالاتر از روش هاي نوين پيشين مي باشد .در روش پيشنهادي ما كه از شبكه كانولوشن در شبكه خود استفاده كرديم تعداد لايه ها و اوزان بالاست و نياز به داده هاي آموزشي حجيم به منظور گريز از بيش برازش شبكه ندارد. در واقع روش پيشنهادي در اين پايان نامه دقت 92درصدي دارد كه نسبت به روش هاي پيشين مانند KPCAوPCAدقت بالاتري داشته و هزينه آموزشي كمتري دارد. دقت روش 64.12KPCA= و براي 54.14PCA= مي باشد. واژه هاي كليدي:انتقال يادگيري ,وضوح پايين, وضوح بالا, شبكه هاي عصبي كانولوشن, تنظيم مجدد اوزان شبكه, شناسايي چهره, وضوح پايين يادگيري عميق.

189889

دانشگاه علم و صنعت ايران

هوش مصنوعي و رباتيك

دكتر رضا برنگي