بازشناسی جلوههای هیجانی چهره مستقل از فرد مبتنی بر دانش اولیه از شخص جدید
Authors
Abstract:
در این مقاله، روشی مبتنی بر دانش اولیه از شخص جدید با هدف افزایش قدرت تعمیم‌دهی سیستم بازشناسی جلوههای هیجانی چهره پیشنهاد شده است. به منظور بازشناسی مناسب، ترکیبی از ویژگیهای هندسی و توصیفگرهای بافت چهره استفاده شد. این ویژگیها با ویژگیهای کل‌نگر(تحلیل مؤلفههای مستقل هسته-محور تصویر چهره و خودِ تصویر چهره) مقایسه شدند. برای تحلیل ویژگیهای پیشنهادی، حساسیت نرخ بازشناسی آنها نسبت به تغییر نویز و تغییرات بین فردی بررسی شد. نتایج نشان داد با وابسته کردن سیستم به شخص بروز دهنده می‌توان نرخ بازشناسی را تا 96% افزایش داد که این نتیجه مربوط به ویژگیهای کل‌نگر است. بعلاوه روش کل‌نگر تحلیل مؤلفههای مستقل هسته- محور در مقایسه با دیگر ویژگیها نسبت به تغییرات بین فردی حساسیت بیشتری داشته است. بر اساس دانش محدود از فرد جدید نمونه‌های مجازی تولید و برای تقویت یادگیری سیستم بازشناسی استفاده شد. نتیجه بازشناسی مستقل از فرد این روش در مقایسه با روش پایه به‌صورت معنی‌داری (P<0.05) بهبود داشته و مقدار صحت تشخیص آن 91.39% است.
similar resources
بازشناسی جلوه های هیجانی چهره مستقل از فرد مبتنی بر دانش اولیه از شخص جدید
در این مقاله، روشی مبتنی بر دانش اولیه از شخص جدید با هدف افزایش قدرت تعمیم دهی سیستم بازشناسی جلوههای هیجانی چهره پیشنهاد شده است. به منظور بازشناسی مناسب، ترکیبی از ویژگی های هندسی و توصیفگرهای بافت چهره استفاده شد. این ویژگیها با ویژگیهای کل نگر(تحلیل مؤلفههای مستقل هسته-محور تصویر چهره و خود تصویر چهره) مقایسه شدند. برای تحلیل ویژگیهای پیشنهادی، حساسیت نرخ بازشناسی آنها نسبت به تغییر ن...
full textبازشناسی جلوههای هیجانی با استفاده از تحلیل تفکیک پذیری مبتنی بر خوشه بندی چهره
Improvement of Facial expression recognition is aim of proposed method. This is a new formulation to the linear discriminant analysis. In the new formulation within-class and between-class covariance matrix are estimated on the each cluster and in the test phase new samples are mapped to the subspace that is related to the cluster of them. At the first we addressed clustering analysis of faces ...
full textبازشناسی جلوه های هیجانی با استفاده از تحلیل تفکیک پذیری مبتنی بر خوشه بندی چهره
روش پیشنهادی به منظور بهبود بازشناسی جلوه های هیجانی چهره ارائه شده است. بهبود بازشناسی از طریق تغییر در فرمول تحلیل تفکیک پذیر خطی(lda) انجام شده است، در فرمول جدید ماتریس پراکندگی داخل طبقه و بین طبقه ای مبتنی بر خوشه بندی که برای بردار ویژگی تعیین شده، محاسبه می شوند، و در مرحله آزمون نیز هر بردار بر اساس ماتریس تبدیل تحلیل تفکیک پذیری مربوط به خوشه خودش به زیر فضا نگاشت می شود، برای این منظ...
full textاز فرد مدرن تا شخص پست مدرن
دراین مقاله می کوشیم بعضی از خصوصیات انسان غربی را از نیمه دوم قرن بیستم به این سو بررسی کنیم و غربی را ازنیمه دوم قرن بیستم به این سو بررسی کنیمو نشان دهیم چگونه تصویر«فرد» و «فردگرایی»دراندیشه غربی متناسب با شرایط جدید اجتماعی واقتصادی دگرگونی های معناداری را شاهد بوده است که تعاریف قبلی از این مفاهیم را اگرنه نقض بلکه دستخوش جرح و تعدیل های عمیقی می کند.فردی که از این پس درگرداب مصرف می افتد...
full textبررسی نقش اضطراب صفت بر بازشناسی حالات هیجانی در چهره
یافته ها، حاکی از آن است که افراد با اضطراب صفت بالا، در شناسایی چهره های عصبانی نسبت به چهره های شاد یا خنثی در مقایسه با افراد با اضطراب صفت پایین سریع تر عمل می کنند. همچنین زمان توجه انتخابی و سوگیری بازشناسی درباره ی محرک ترسناک و تهدید آمیز می تواند منجر به ماندگاری و افزایش اضطراب شود. هدف پژوهش حاضر ، بررسی نقش اضطراب صفت بر بازشناسی حالات هیجانی در چهره بود. بدین منظور، طی یک پژوهش م...
full textبهبود مدل تفکیک‌کننده منیفلدهای غیرخطی به‌منظور بازشناسی چهره با یک تصویر از هر فرد
Manifold learning is a dimension reduction method for extracting nonlinear structures of high-dimensional data. Many methods have been introduced for this purpose. Most of these methods usually extract a global manifold for data. However, in many real-world problems, there is not only one global manifold, but also additional information about the objects is shared by a large number of manifolds...
full textMy Resources
Journal title
volume 6 issue 3
pages 207- 218
publication date 2012-11-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023