بازشناسی چهره با تعداد نمونه های کم از هر فرد

thesis
abstract

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 است. در این روش، ابتدا پنجره به اندازه ی 2×2 انتخاب شده، ضمن حرکت دادن این پنجره روی تصویر، هر کدام از عنصرهای آن به ماتریس تصویر جدید داده می شود. بنابراین چهار تصویر جدید از تصویر اصلی با ربع اندازه ی تصویر اصلی بوجود می آید. هر کدام ازتصاویر تولید شده به طبقه بند پرسپترون های چند لایه داده شده، در آخر با روش های مختلف ترکیب، آنها را باهم ترکیب می کنیم که در بین آنها روش ترکیب میانگین وزن دار عملکرد بهتری از خود نشان می دهد. زیرا در حوزه آموزش طبقه بندی که بهتر آموزش می بیند وزن بیشتری می گیرد. سپس برای استخراج ویژگیهای مفیدتر از یک نمونه ی آموزشی، بیان های مختلف تصویر چهره با فیلترهای گابور مختلف ساخته می شود. بنابراین ابتدا فیلترهای گابور با فرکانس یکسان و زوایای مختلف روی تصویر اصلی حرکت داده می شود تا چهار بیان متفاوت از تصویر بدست آید. هرکدام از این بیان ها، همراه با تصویر اصلی، با روش رای اکثریت بهبود یافته باهم ترکیب می شوند. روش رای اکثریت بهبود یافته همانند رای اکثریت عمل می کند ولی وقتی رای دو یا چند کلاس یکسان می شود، رای طبقه بند تصویر اصلی به عنوان رای نهائی انتخاب می شود. نتایج آزمایشات برتری روش پیشنهادی نشان می دهد و دلیل آن پوشش اکثر فضای ویژگی ورودی با استفاده از تولید بیان های جدید توسط فیلترهای گبور می باشد. در گام آخر، برای غلبه بر مشکل تعداد نمونه ی کم، تصاویر مجازی با زوایای مختلف ساخته شده است. در این روش، ابتدا با تخمین ماتریس فاصله چهره، مدل سه بعدی تصویر چهره ساخته می شود. سپس با چرخش تصویر سه بعدی در زاوایای مختلف، تصاویر مجازی با زوایای مختلف ساخته می شود. با زیاد کردن تعداد نمونه های آموزش توسط نمونه های مجازی تولید شده بدیهی است نرخ بازشناسی نیز افزایش خواهد یافت. به این دلیل که نمونه های مجازی در زوایای مختلف تولید شده است و سیستم بازشناسی ما نسبت به تغییرات زاویه مقاوم می شود

First 15 pages

Signup for downloading 15 first pages

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

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

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

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

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...

full text

بازشناسی جلوه‌های 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 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...

full text

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 text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت دبیر شهید رجایی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023