مقاله کنفرانسی سال ۱۳۹۶ فارسی

سه بعدی سازی تصاویر چهره با استفاده از الگوریتم شبکه های باور عمیق

چکیده مقاله

یکی از بیومتریکها برای شناسایی انسان، چهره میباشد میتوان گفت، اطلاعات اجزای چهره، بهترین روش برای شناسایی هویت افراد است به منظور رفع چالشهای موجود در زمینه شناسایی چهره، فاصله قرارگیری چهره در برابر دوربین، مقیاس متفاوت چهره ها و تغییرات ظاهری در چهره، روش های سه بعدی سازی چهره جهت شناسایی چهره، پیشنهاد شده اند در این راستا انتخاب تکنیکهای مناسب برای شناسایی خودکار هویت افراد از روی چهره، ضروری میباشد در این پژوهش، با ترکیب تکنیکهای پردازش تصویر و الگوریتم های یادگیری عمیق به سهبعدی سازی تصاویر چهره پرداخته شده است شبکه باور عمیق یکی از روشهای یادگیری عمیق است که به منظور یادگیری ویژگی های تصویر دوبعدی چهره جهت دستیابی به طرح سه بعدی آنها استفاده شده است در این پژوهش با استفاده از پردازش تصاویر پایگاه داده FEI و استخراج ویژگیهای تصاویر، یک روش وزن دهی به نقاط چهره به کار رفته است با وزن گذاری نقاط، اجزای چهره مشخص شده اند با قرارگیری اجزا بر پوسته سه بعدی چهره و آموزش DBN به سه بعدی سازی پرداخته شده است به منظور ارزیابی روش پیشنهادی، دقت تشخیص هر یک از اجزای چهره با استفاده از DBN تخمین زده شده است این روش با سایر دستهبندها مانند ANN و SVM مقایسه شدهاست نتایج نشان میدهد که DBN با ایجاد لایه های عمیق توانسته است با دقت بیشتری اجزای چهره را شناسایی نماید دقت سه بعدی سازی روش پیشنهادی در 8 Fold برابر 93 89 درصد بودهاست

کلیدواژه‌ها

یادگیری عمیق شبکه باور عمیق سهبعدی سازی چهره

نویسندگان

تصویر روزا سیرتی

روزا سیرتی

کارشناسی ارشد هوش مصنوعی، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد لاهیجان، لاهیجان، ایران

تصویر اعظم السادات نوربخش

اعظم السادات نوربخش

عضو هییت علمی، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد لاهیجان، لاهیجان، ایران

شیوه ارجاع

�یرتی، روزا و نوربخش، اعظم السادات،1396،سه بعدی سازی تصاویر چهره با استفاده از الگوریتم شبکه های باور عمیق،دومین کنفرانس ملی محاسبات نرم،رودسر

ارائه‌شده در

پوستر مجموعه مقالات دومین کنفرانس ملی محاسبات نرم مجموعه مقالات دومین کنفرانس ملی محاسبات نرم1 آذر 1396 · رودسر
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۳۹۶ ۳,۱۱۳ مشاهده

تشخیص فعالیت های انسان از تصاویر ویدیویی با استفاده از شبکه عصبی کانولوشنی

امروزه شناسایی خودکار فعالیت انسان، در کاربردهای نظارتی و مراقبت بر افراد ناتوان بسیار ضروری میباشد استف…

شناسایی فعالیت انسانشبکه عصبی کانولوشنییادگیری عمیق
مقاله کنفرانسی سال ۱۳۹۶ ۲,۹۴۵ مشاهده

یادگیری عمیق برای سیستم های توصیه گر

سرویسهای اینترنتی امروزه محتواهای متنوعی ارایه میکنند با توجه به اهمیت سیستم های توصیه گر در سرویس دهنده…

یادگیری ماشینداده کاویبازیابی اطلاعات
مقاله کنفرانسی سال ۱۳۹۶ ۲,۴۱۱ مشاهده

شاخص های کارایی فرایند Cpmk و C در محیط فازی

از علل پیدایش شاخص های کارایی فرایند 1، نیاز موجود در کارخانه ها برای تخمین و اندازه گیری میزان کارایی ف…

کیفیت فازیشاخص کارایی فرایندعملگرهای حسابی
مقاله کنفرانسی سال ۱۳۹۶ ۲,۱۳۱ مشاهده

تخمین سرعت حد سقوط ذرات کروی در سیالات حفاری نیوتنی و غیرنیوتنی با ستفاده از ماشین بردار ارتباط

سرعت حد سقوط ذرات درداخل سیالات دارای کاربردهای فراوانی از جمله در صنعت حفاری نفت و فرآوری مواد معدنی می…

سرعت حدذرات کرویسیال نیوتنی وغیرنیوتنی
مقاله کنفرانسی سال ۱۳۹۶ ۲,۰۱۳ مشاهده

طراحی مدل هوشمند عمیق به منظور پیش بینی بیماری صرع با استفاده از سیگنال ECG

صرع شایع ترین بیماری عصبی بعد از سکته مغزی است ،که به دلیل آشفتگی های زودگذر مغز، به طور ناخودآگاه و غیر…

پیشبینیصرعیادگیری عمیق
مقاله کنفرانسی سال ۱۳۹۶ ۱,۷۷۳ مشاهده

نگاهی آماری به کاربرد محاسبات نرم در مهندسی ژیوتکنیک

در سالهای اخیر بکارگیری روش های محاسبات نرم برای تحلیل مسایل مختلف مهندسی از جمله مسایل موجود در مهندسی…

محاسبات نرممنطق فازیمهندسی ژیوتکنیک