شناسایی خودکار هویت افراد با استفاده از الگوریتم های یادگیری عمیق در تصاویر چهره

چکیده مقاله

شناسایی خودکار هویت افراد از طریق تصاویر چهره یکی از چالش های مهم در حوزه بینایی ماشین و امنیت است پژوهش حاضر به بررسی عملکرد و تاب آوری مدل های یادگیری عمیق در بازشناسی چهره با تمرکز بر دقت، پایداری در شرایط محیطی چالش برانگیز و انصاف میان زیرگروه های جمعیتی می پردازد در این مطالعه، سه مدل شامل ResNet ۵۰ پایه، MobileNetV۲ فشرده و ResNet ۵۰ با زیان حاشیه ای Arc like Loss آموزش و ارزیابی شدند داده های آموزشی شامل مجموعه های بزرگ و متنوع VGGFace۲ و CASIA WebFace و داده های آزمون شامل LFW و IJB C بودند نتایج نشان داد که مدل ResNet ۵۰ همراه با زیان حاشیه ای بالاترین دقت کلی را ارائه می دهد و علاوه بر آن، تاب آوری بیشتری در مواجهه با شرایط نوری نامطلوب، زاویه های مختلف و انسداد صورت دارد این مدل همچنین بیشترین انصاف را در بازشناسی زیرگروه های سنی و جنسی مختلف نشان داد مدل پایه ResNet ۵۰ عملکرد قابل قبولی ارائه کرد و مدل فشرده MobileNetV۲ با وجود مصرف کمتر منابع، حساسیت بیشتری نسبت به شرایط محیطی و زیرگروه ها داشت پژوهش حاضر نشان می دهد که ترکیب معماری عمیق، استراتژی آموزشی مناسب و مجموعه داده های متنوع می تواند سامانه های شناسایی چهره ای دقیق، پایدار و منصف ارائه دهد این یافته ها می توانند راهنمای ارزشمندی برای توسعه کاربردهای عملی در امنیت، کنترل دسترسی و سیستم های شناسایی هویت باشند

کلیدواژه‌ها

نویسندگان

عرفان شکوری

دانشجوی دکتری تخصصی دانشگاه شاهد رشته ی مهندسی برق؛ گرایش الکترونیک

�کوری، عرفان،1404،شناسایی خودکار هویت افراد با استفاده از الگوریتم های یادگیری عمیق در تصاویر چهره،بیست و ششمین کنفرانس ملی مهندسی برق،کامپیوتر و مکانیک،شیروان

ارائه‌شده در

مجموعه مقالات بیست و ششمین کنفرانس ملی مهندسی برق،کامپیوتر و مکانیک20 خرداد 1404 · شیروان