مقاله کنفرانسی سال ۱۴۰۳ فارسی

تایید ارتباط خانوادگی از تصاویر چهره والدین و فرزندان با یادگیری عمیق

چکیده مقاله

تشخیص چهره از جمله بخش هایی از علم و فناوری اطلاعات است که در حوزه پردازش تصاویر از جایگاه خاصی برخوردار است تمرکز اخیر تشخیص چهره بر روی روابط خویشاوندی، حوزه جدیدی را پیش روی متخصصان این علم جدید قرار داده است پیشرفته ترین روش های تایید خویشاوندی صورت را می توان بر اساس مشارکت اصلی آنها به سه دسته شامل: رویکردهای استخراج ویژگی، رویکردهای یادگیری متریک و رویکردهای یادگیری عمیق طبقه بندی کرد در این مقاله تمرکز ما بر روی صحت تشخیص خویشاوندی براساس تصاویر چهره است برای این منظور از چند مجموعه داده استاندارد استفاده شد که تصاویر در آن به صورت دو به دو باهم جفت عکس ، برچسب خویشاوندی یا عدم خویشاوندی خورده اند رهیافت پیشنهادی یک الگوی دوکلاسه برای تشخیص خویشاوندی از روی تصاویر می باشد که با تکیه بر شبکه های عصبی کانولوشنی تفکیک پذیر انجام شده است این مدل در مقایسه با مدل های کانولوشنی پایه دارای پیچیدگی محاسباتی کم و دقت بالاتر هستند این رهیافت شامل سه مرحله کلی است در مرحله اول پس از پیش پردازش تصاویر، جفت عکس ها به مجموعه های آموزش و آزمون افراز می شوند سپس در مرحله دوم مجموعه داده ورودی به شبکه عصبی کانولوشنی با لایه تفکیک پذیر ارسال می شوند تا فرآیند استخراج ویژگی انجام گیرد در ادامه ویژگی های استخراج شده بر تصاویر ورودی جفت تصویر به لایه امبدینگ ارسال شده و فاصله اقلیدسی آنها محاسبه می شود فاصله اقلیدسی گویای میزان تفاوت یا شباهت دو تصویر می باشد نهایتا در مرحله سوم و تشخیص خویشاوندی، رهیافت پیشنهادی با آموزش بر روی مجموعه داده ورودی جفت تصاویر آموزش به یک الگوی مناسب در تشخیص کلاس های داده می رسد سپس با تکیه بر الگوی آموزش دهی خویشاوندی جفت تصاویر آزمون را تشخیص می دهد کارایی رهیافت پیشنهادی در شاخص های ارزیابی دقت، صحت، یادآوری و F۱ مورد بررسی قرار گرفته و نتایج نشان داد مدل پیشنهادی در مقایسه با مدل های مشابه نتایج موثرتری ارائه می دهد به نحوی دقت تشخیص روابط با آن بر روی مجموعه داده KinFace W I به صورت میانگین ۵۶ ۷۸ درصد، بر روی مجموعه داده KinFace W II به صورت میانگین ۳ ۹ درصد و نهایتا بر روی Familly ۱۰۱ به صورت میانگین ۵۸ ۵۷ می باشد

کلیدواژه‌ها

نویسندگان

شیوه ارجاع

�سولی، نسرین و رشیدی، ایوب و قنبری ریسه، حسین،1403،تایید ارتباط خانوادگی از تصاویر چهره والدین و فرزندان با یادگیری عمیق،پنجمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد

ارائه‌شده در

پوستر مجموعه مقالات پنجمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات مجموعه مقالات پنجمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات17 اسفند 1403 · مشهد
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۳ ۱,۱۰۵ مشاهده

بسته بندی در مدار های مجتمع: اصول، فناوری ها و چالش ها

بسته بندی نیمه هادی نقشی حیاتی در محافظت از محیط و ایجاد اتصالات مطمئن برای تراشه های نیمه هادی ایفا می…

نیمه هادیبسته بندیدستگاه های الکترونیکی
مقاله کنفرانسی سال ۱۴۰۳ ۸۷۷ مشاهده

نرخ تبلور مجدد دینامیکی در فولاد زنگ نزن ۸-۱۳ PH

در این پژوهش، رفتار تغییر شکل گرم فولاد رسوبسخت Mo۸ ۳۱ با استفاده از آزمون فشار گرم بررسی شد؛ این ارزیاب…

فولاد رسوبسخت Mo۸-۳۱آزمون فشار گرمتبلورمجدد دینامیکی
مقاله کنفرانسی سال ۱۴۰۳ ۵۴۵ مشاهده

سیستم های خانه های هوشمند مبتنی بر هوش مصنوعی برای مصرف انرژی کارآمد و سازگاری با رفتار کاربران

در عصر حاضر، افزایش بهرهوری انرژی و کاهش مصرف غیرضروری آن به یک ضرورت اساسی تبدیل شده است با توجه به رشد…

هوش مصنوعییادگیری عمیقپیشبینی بار انرژی
مقاله کنفرانسی سال ۱۴۰۳ ۴۱۵ مشاهده

پزشکی شخصی سازی شده هوشمند بامحوریت ابزارهای پوشیدنی

با استفاده از ابزارهای پوشیدنی مختلف که مجهز به حسگرهای ECG, pluse oximeter, EMG, thermometer, blood pre…

Presonalized-medicineDeep-learningBig-data
مقاله کنفرانسی سال ۱۴۰۳ ۴۰۰ مشاهده

تاثیر فناوریهای نوین در حمل و نقل هوشمند شهری: راهکارهای کاهش ترافیک و آلودگی هوا

رشد فزاینده شهرنشینی و افزایش حجم وسایل نقلیه، شبکه های حمل و نقل شهری را با چالش های پیچیده ای همچون تر…

تحلیل کالن دادهبلاک چینحمل ونقل هوشمند
مقاله کنفرانسی سال ۱۴۰۳ ۳۸۴ مشاهده

تحلیل قابلیتهای یادگیری عمیق در پردازش گفتار و شناسایی احساسات

یادگیری عمیق به عنوان یکی از پیشرفته ترین روش ها در پردازش گفتار، تحول شگرفی در فهم و تحلیل اطلاعات صوتی…

شبکه های عصبیشناسایی احساساتپردازش گفتار