عنوان
بازشناسي حالت چهره با استفاده از شبكه‌هاي عميق در تصاوير كنترل‌نشده
نويسنده اصلي
محمدرضا دزياني
مقطع تحصيلي
كارشناسي ارشد
چكيده
حالت چهره يكي از غالب‌ترين و طبيعي‌ترين ابزارها براي ارتباط غيركلامي (به بيان ديگر بيان احساسات) است كه نقش بسيار مهمي در برقراري ارتباط ميان انسان‌ها ايفا مي‌كند و تشخيص آن براي انسان‌ها به منظور درك رفتار متقابل و حالت احساسي از اهميت بالايي برخوردار است. بازشناسي حالت چهره (FER) يكي از چالش برانگيزترين موضوعات در بينايي كامپيوتر است كه به دليل هم‌بستگي زياد بين حالت چهره و حالت ذهني و وجود چالش‌هاي گوناگون همانند وجود انسداد بر روي چهره، تفاوت در موقعيت قرارگيري، نورپردازي، حالت چهره و پس زمينه، تحقيقات زيادي در رابطه با آن صورت گرفته است. همچنين، از يك طرف، به دليل كوچك بودن مجموعه‌هاي داده موجود و توزيع نامتوازن حالات چهره در آن‌ها، هنوز آموزش يك شبكه‌ي عصبي عميق براي FER يك موضوع بسيار پرچالش است. از طرف ديگر، اين شبكه‌ها از مشكلاتي همانند بيش‌برازش، راندمان يادگيري ناكافي و پيچيدگي محاسباتي بالا نيز رنج مي‌برند.
FER خودكار با استفاده از تصاوير ايستا، شامل سه مرحله اصلي پيش‌پردازش تصوير، استخراج ويژگي و دسته‌بندي است. با استفاده از شبكه‌هاي عميق مي‌توان مراحل استخراج ويژگي و دسته‌بندي را به صورت يك مرحله واحد (آموزش سرتاسر) انجام داد. در اين پايان‌نامه، يك روش آموزش سرتاسر دو مرحله‌اي (آموزش شبكه با مجموعه آموزش اصلي و سپس با مجموعه آموزش نهايي) با استفاده از يك شبكه عصبي پيچشي عميق با تعداد پارامترهاي كم براي حل مشكل‌هاي مطرح شده پيشنهاد شده است. از دو روش نرمال‌سازي قابل تعويض و برون‌اندازي بلوكي براي نظام‌بخشي استفاده كرديم. همچنين، به منظور حل مشكل تعداد داده آموزش ناكافي و عدم توازن دسته‌ها در مجموعه‌ي داده، از روش‌هاي گوناگون داده‌افزايي براي تمامي دسته‌ها به جز دسته‌ي اكثريت و تابع هزينه كانوني براي تضمين يادگيري يكسان مدل بين دسته‌هاي اقليت و اكثريت استفاده شده است. نتايج تجربي نشان مي‌دهند كه روش پيشنهادي تنها با 1.5 ميليون پارامتر آموزش توانست در دو پايگاه داده واقع گرايانه معيار (RAF-DB و FERPlus) به ترتيب به دقت‌هاي 85.76 و 85.81 برسد. شايان ذكر است كه روش پيشنهادي نتايج قابل توجهي نسبت به پيشرفته‌ترين روش‌ها بدست آورد و از بسياري از روش‌هاي پيشنهادي در اين حوزه تعداد پارامترهاي كمتري دارد.
شماره ركورد
209010
دانشگاه
دانشگاه علم و صنعت ايران
رشته تحصيلي
مهندسي برق - سيستمهاي الكترونيك ديجيتال
استاد راهنما
احمد آيت اللهي