بازشناسی مقاوم چهره با استفاده از شبکه عصبی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده فناوری اطلاعات
- author مریم اسلامی فر
- adviser محمد فیروزمند رضا عسگری مقدم
- Number of pages: First 15 pages
- publication year 1390
abstract
ویژگیهای استخراج شده از تصاویر چهره انسان، تحت تأثیر تنوعات مختلف نظیر تغییرات در نورپردازی، چرخش سر، داشتن حالتهای احساسی و سایر موارد تغییر می کند. به دلیل تأثیر این تنوعات غیرخطی در الگوهای ورودی، کارآیی سامانه های خودکار بازشناسی چهره در شرایط کنترل نشده به طور چشم گیری کاهش می یابد. برای افزایش کارآیی سامانه های بازشناسی چهره نسبت به این تنوعات، باید ویژگیهای مشابه برای تصاویر هر فرد استخراج نمود و همچنین تفاوتهای میان ویژگیهای افراد مختلف را برجسته نمود. در این نوشتار از روشهای pca آماری و شبکه های عصبی برای کاهش بُعد دادگان ورودی و استخراج ویژگیها از تصاویر چهره استفاده شده است. همچنین طبقه بندی کننده ویژگیها هم یک شبکه عصبی در نظر گرفته شده است. نهایتاً با استفاده از خاصیت یادگیری در شبکه های عصبی انجمنی، بردار غیرخطی تنوعات از تصاویر چهره افراد مختلف پالایش (فیلتر) شده و سپس توسط شبکه عصبی دیگری عمل طبقه بندی می شود. آزمایشات عملی برروی دادگان تصاویر چهره orl موفقیت روش در افزایش کیفیت بازشناسی چهره را نشان می دهد.
similar resources
روشی جدید در بازشناسی مقاوم گفتار مبتنی بر دادگان مفقود با استفاده از شبکه عصبی دوسویه
Performance of speech recognition systems is greatly reduced when speech corrupted by noise. One common method for robust speech recognition systems is missing feature methods. In this way, the components in time - frequency representation of signal (Spectrogram) that present low signal to noise ratio (SNR), are tagged as missing and deleted then replaced by remained components and statistical ...
full textبازشناسی چهره مستقل از حالت های چهره با استفاده از شبکه های عصبی ترکیبی
چکیده در بسیاری از کاربردهای امنیتی، تصویر چهره ی انسان نقشی اساسی را به عنوان یک منبع اطلاعات زیستی ایفا می کند. تصویر چهره به راحتی قابل دستیابی است و یک راهکار مستقیم و راحت را برای شناسایی افراد فراهم می آورد. با این وجود، بازشناسی چهره کماکان با برخی چالش ها مواجه است ازجمله تغییرات ظاهری چهره ی افراد که ناشی از تغییرات زاویه ی دید، شدت روشنایی و حالات چهره می باشد. در این پایان نامه، سعی...
بازشناسی مقاوم گفتار با استفاده از ویژگی الگوهای زمانی به دست آمده از ساختار شبکه عصبی بهینه شده MTMLP
ویژگی الگوهای زمانی سیگنال صوتی از دو حوزه زمانی و یا بردارهای بازنمایی شده قابل استخراج است. این ویژگی دربرگیرنده اطلاعات و مشخصات زمان بلند از تغییرات پیوسته واحدهای گفتاری است. در این مقاله، ویژگی الگوهای زمانی با استفاده از خروجی مقدار احتمال پسین واجی ساختار بهینه شده شبکه عصبی MTMLP، از مجموعه بردارهای بازنمایی مبتنی بر طیف (مانند ویژگی گفتاری LFBE) و همچنین، مبتنی بر کپستروم (مانند ویژ...
full textآموزش بازشناسی چهره با استفاده از ترکیب شبکه‌های عصبی مبتنی‌بر اختلاط خبرهها
در این مقاله، به آموزش بازشناسی چهره مبتنی بر اختلاط خبره ها پرداخته شده است و ایده اساسی آن اضافه کردن واحد گشتاور به ساختار اختلاط خبرهها با هدف افزودن کارایی بازشناسی چهره میباشد. این واحد به هر طبقه بند ساختار اختلاط خبره ها نسبت داده می شود. برای استخراج ویژگی از تجزیه مؤلفه های اساسی و برای بازشن...
full textبازشناسی مقاوم گفتار با روش دادگان مفقود با استفاده از شبکه عصبی دوسویه
عملکرد سیستم های بازشناسی گفتار (asr) زمانی که گفتار توسط نویز تخریب شده باشد، به شدت کاهش می یابد. روش های ویژگی های مفقود قصد دارند که این کاهش بازشناسی را با حذف مولفه هایی از نمایش زمانی- فرکانسی گفتار (اسپکتروگرام) که بیانگر نسبت سیگنال به نویز (snr) پایین باشند، کاهش دهند. این روش ها اثر خود را در نتایج صحت بازشناسی نشان می دهند که در مقابل اثر نویز جمعی، مقاوم بودن بالای خود را بروز می د...
15 صفحه اولبهبود بازشناسی مقاوم الگو در شبکه های عصبی بازگشتی جاذب از طریق به کارگیری دینامیک های آشوب گونه
In this paper, two kinds of chaotic neural networks are proposed to evaluate the efficiency of chaotic dynamics in robust pattern recognition. The First model is designed based on natural selection theory. In this model, attractor recurrent neural network, intelligently, guides the evaluation of chaotic nodes in order to obtain the best solution. In the second model, a different structure of ch...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده فناوری اطلاعات
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023