تاثیر پیش پزداش در قبال طبقه بندی در سیستم های تشخیص چهره

فناوری تشخیص چهره یکی از جذاب ترین و کاربردی ترین زمینه ها در حوزه هوش مصنوعی است.این فناوری یکی از تکنیک های بیومتریک است که مبتنی بر شناسایی ویژگی های چهره انسان است.این پژوهش نشان می دهد که در رابطه با افزایش دقت سیستم های تشخیص چهره آیا تاثیر پیش پردازش تصویر بیشتر است یا انتخاب طبقه بند مناسب.با دانستن تاثیر مراحل مختلف در دقت سیستم های تشخیص چهره می توان به دقت و کارایی بالاتری دست یافت.در این مقاله معماری های مختلف که شامل مراحل پیش پردازش ،استخراج ویژگی و طبقه بندی تصاویر می شود،آزمایش شده و بهترین روند از نظر دقت در چینش بلوک ها معرفی گردیده.در مرحله پیش پردازش نرمال سازی هیستوگرام استفاده شده است.با تکنیک PCA ویژگی ها استخراج شده اند و همچنین از طبقه بندهای ماشین بردار پشتیبان و درخت تصمیم وKNN برای طبقه بندی تصاویر استفاده شده است.روش پیشنهادی توسط توابع تخصصی مربوطه و در محیز گوگل کولب و به زبان پایتون پیاده سازی و اجرا شده است.در این مقاله برای آزمایش روش پیشنهادی از بخشی از دیتاستYALE-B استفاده شده که دارای ۲۴۱۴ تصویر مشتمل بر ۳۸ کلاس می باشد و هر تصویر دارای ابعاد ۱۶۸ × ۱۹۲ است.شاخص ترین نتیجه ای که از انجام مراحل مختلف می توان گرفت تاثیر بسیار زیاد استفاده از طبقه بند مناسب در دقت خروجی است

کلیدواژه ها:

هوش مصنوعی ، فناوری تشخیص چهره ، طبقه بند ، پیش پردازش