بررسی کاربرد یادگیری عمیق در تشخیص چهره و گفتار

چکیده مقاله

با گسترش فناوری اطلاعات و پیشرفت های چشمگیر در حوزه یادگیری عمیق، تشخیص و شناسایی چهره به عنوان یکی از چالش برانگیزترین مسائل در بینایی ماشین و پردازش تصویر، مورد توجه گسترده پژوهشگران قرار گرفته است سیستم های تشخیص چهره عمدتا بر استخراج و مقایسه ویژگی های بیومتریک چهره افراد با پایگاه های داده از پیش ذخیره شده متکی هستند و امروزه یادگیری عمیق، به ویژه شبکه های عصبی کانولوشنی، نقش کلیدی در بهبود دقت و کارایی این سیستم ها ایفا می کند در این راستا، الگوریتم ها و معماری های متنوعی از جمله شبکه های کانولوشنی عمیق، مدل های سلسله مراتبی، الگوریتم های تشخیص ناحیه مانند YOLO، و مدل های ترکیبی مورد استفاده قرار گرفته اند همچنین روش های تنظیم دقیق شبکه های از پیش آموزش دیده و افزایش عمق شبکه به منظور استخراج ویژگی های سطح بالاتر، موجب بهبود عملکرد در مجموعه داده های استاندارد چهره شده اند از سوی دیگر، کاربرد یادگیری عمیق در شرایط پیچیده تر نظیر تشخیص چهره از تصاویر ثبت شده توسط پهپادها، با وجود محدودیت هایی مانند تغییر زاویه، فاصله و ارتفاع، نتایج امیدوارکننده ای را از نظر دقت و سرعت ارائه داده است علاوه بر تشخیص و شناسایی دوبعدی، بازسازی سه بعدی چهره از یک تصویر دوبعدی با استفاده از چارچوب های نیمه نظارتی یادگیری عمیق، گامی موثر در کاهش نیاز به داده های برچسب دار و افزایش کارایی سیستم های هوشمند محسوب می شود نتایج ارزیابی روش های مختلف نشان می دهد که بهره گیری از معماری های عمیق و ترکیبی، ضمن کاهش پیچیدگی محاسباتی، دقت بالاتری را در کاربردهای نظارتی، امنیتی و هوشمندسازی سامانه های تشخیص هویت فراهم می کند

کلیدواژه‌ها

نویسندگان

مینا سپاهی سالانقوچ

دانشجوی کارشناسی مهندسی کامپیوتر دانشکده ملی مهارت دختران انقلاب بجنورد

نساء خاندوزی قلی آباد

استاد راهنما، مدرس دانشکده ملی مهارت دختران انقلاب بجنورد مدیرگروه کامپیوتر

�پاهی سالانقوچ، مینا و خاندوزی قلی آباد، نساء،1405،بررسی کاربرد یادگیری عمیق در تشخیص چهره و گفتار،بیست و نهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات بیست و نهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات27 فروردین 1405 · بابل