بازشناسی چهره مستقل از زاویه دید با استفاده از شبکه های عصبی و پیاده سازی سخت افزاری آن روی fpga

مدل ارائه شده برای بازشناسی چهره مستقل از زاویه دید، بر مبنای ترکیبی از ساختارهای دینامیک و استاتیک است. مدل اختلاط خبره های اصلاح شده دارای5 شبکه مستقل از هم میباشد که هر شبکه دارای دو خبره میباشد که با شبکه میانجیگر با هم ترکیب شده اند. خروجی نهایی میانگین گیری ساده ای از خروجی 5 شبکه است. مدل ارائه شده برای پیاده سازی روی fpga طراحی شده است. بخاطر اینکه هر کدام از 5 شبکه با کمترین هزینه روی سخت افزار قابل پیاده سازی میباشند و با بکارگیری سری از آنها و حتی استفاده از شبکه های مجزا میتوان به هدف مورد نظر رسید. با توجه به تشابه ساختاری شبکه ها و بالا بردن کارایی سخت افزار از فضای ویژه کلی استفاده میشود. پیاده سازی سخت افزاری راهکار مناسبی برای باز شناسی چهره در کار بردهای خاص آنلاین میباشد که با انتخاب fpga مناسب قابل تحقق می باشد. شواهد فیزیولوژیکی، عصب شناختی ای وجود دارند که مدل ارائه شده را تایید میکنند. و از وجود چنین مکانیسمی که خروجی چندین بخش مختلف برای بازشناسی چهره مستقل از زاویه دید با هم ترکیب میشوند خبر میدهند. نتایج آزمایشات نشان میدهد که روش پیشنهادی نسبت به روشهایی که اخیرا ارائه شده و روشهای معمولی نرخ بازشناسی بالایی دارد. و همچنین دارای پیچیدگی محاسباتی کمتری در مقایسه با روش اختلاط خبره های مرسوم میباشد.