بهبود بازشناسی چهره با یک تصویر از هر فرد به روش تولید تصاویر مجازی توسط شبکه‌های عصبی

Authors

Abstract:

This paper deals with the problem of face recognition from a single image per person by producing virtual images using neural networks. To this aim, the person and variation information are separated and the associated manifolds are estimated using a nonlinear neural information processing model. For increasing the number of training samples in neural classifier, virtual images are produced for the neutral pose samples in a gallery dataset. By designing various structures of neural networks, the quality of virtually produced images, and consequently the recognition accuracy rate are improved. To obtain person information manifold codes giving better performance in describing the other persons and in generalizing, a learning method based on unsupervised clustering is presented. Applying this learning method and training classifier with virtual images, gives an accuracy rate of 83.63% on test dataset, which shows 12.73% improvement in comparison with training classifier using neutral pose samples.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهبود 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 text

بهبود مدل تفکیک کننده منیفلدهای غیرخطی به منظور بازشناسی چهره با یک تصویر از هر فرد

یادگیری منیفلد یکی از روش های کاهش بعد مطرح به منظور استخراج ساختار غیرخطی داده با ابعاد بالا می باشد. تاکنون روش های زیادی به این منظور ارائه شده اند. در تمام این روش ها یک منیفلد به عنوان منیفلد جاسازی شده در داده استخراج می شود. در حالی که در خیلی از مسائل مربوط به دنیای واقعی یک منیفلد به تنهایی بیانگر ساختار داده نمی باشد. در این راستا بر مبنای تحقیقات قبلی، یک روش کاهش بعد غیرخطی مبتنی بر...

full text

بازشناسی چهره با تعداد نمونه های کم از هر فرد

بازشناسی چهره در طی چند دهه ی اخیر به طور گسترده ای مورد مطالعه قرار گرفته است و همچنان نیز، یکی از زمینه های فعال در بینایی ماشین می باشد. بسیاری از سیستم های بازشناسی چهره وابسته به مجموعه تصاویر ذخیره شده از هر فرد هستند. کارائی اینگونه سیستم ها، وقتی تعداد نمونه های آموزشی کمی ذخیره می شود، به شدت کاهش می یابد. . برای حل مشکل فوق روش زیرنمونه برداری برای افزایش داده های آموزشی ارائه شده ا...

15 صفحه اول

استفاده از ترکیب طبقه بندها برای بازشناسی چهره با یک نمونه آموزشی از هر فرد

بازشناسی چهره در دو دهه اخیر توجه ویژه ای را به خود جلب کرده است. با این وجود هنوز یکی از مسائل پیچیده ی حل نشده، تلقی می شود. چهره در اصل سه بعدی می باشد ولی به صورت ماتریسی دو بعدی ذخیره می شود و تغییراتی مانند زاویه و شدت نور، حالت چهره، زاویه دوربین نسبت به چهره و تغییرات زمانی، می تواند بازشناسی چهره را بسیار سخت کند. به نظر می رسد که در میان روش های مختلف بازشناسی چهره روش های کلی نگر ، م...

15 صفحه اول

بازشناسی چهره مبتنی بر یک تصویر مرجع نرمال از هر فرد به کمک آنالیز آماری مشخصه های کلی و جزئی چهره

فن آوری بازشناسی چهره یکی از معدود روش های بیومتریک می باشد که با دارا بودن مزایایی از جمله دقت بالا و تهاجم پایین، در مواردی مانند امنیت اطلاعات، کنترل دستیابی به منابع و غیره مورد استفاده قرار می گیرد. به همین دلیل این فنآوری در طی بیست سال گذشته در عرصه های صنعتی و علمی مورد توجه بسیار قرار گرفته است. از دیگر دلایلی که استفاده از تصویر چهره را همچنان حائز اهمیت نگاه داشته است استفاده معمول ا...

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 8  issue 1

pages  33- 44

publication date 2011-09

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023