CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

بهبود تشخیص جنسیت با استفاده از شبکه عصبی پرسپترون چند لایه بر روی عکستمام رخ

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۷۱ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: NCNIEE04_062
زبان مقاله: فارسی
حجم فایل: ۵۳۲.۹۸ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۷ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود تشخیص جنسیت با استفاده از شبکه عصبی پرسپترون چند لایه بر روی عکستمام رخ

  الهام آریانسب - گروه مهندسی کامپیوتر، پردیس علوم و تحقیقبت یزد، دانشگاه آزاد اسلامی، یزد، ایران
  محسن معدنی - گروه مهندسی برق واحد شهر قدس دانشگاه آزاد اسلامی تهران ایران
  ابوالفضل گندمی - گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی یزد ایران

چکیده مقاله:

این مقاله به موضوع بهبود تشخیص جنسیت افراد بالای 18 سال از روی عکس تمام رخ آنها اختصاص دارد. به منظور تشخیص جنسیت - از روش پیشنهادی الگوریتمهای شبکهی عصبی بر روی عکسهای پرسنلی تمام رخ استفاده می شود که این عکسها با توجه به گروه سنی مطرح شده، با تعداد پیکسلهای 100*100 به بالا و بدون توجه به نژاد و قومیت، بر روی 400 عکس از زنان و مردان (200 نفر زن و 200نفر مرد) مورد بررسی واقع شد که به منظور از بین بردن محدودیت نژاد و قومیت، دیتاهای مورد نیاز از بین تصاویر اشخاص ایرانی و غیر ایرانی جمع آوری گردید. هم چنین پس ازمطالعهی سوابق گذشتگان و بررسی درصد موفقیت پژوهشهای آنان در بازه 70-80% پس از اتمام پژوهش، سعی دراثبات فرضیه ای در خصوص موفقیت تر روش پیشنهادی نسبت به سایر روشها خواهیم داشت.

کلیدواژه‌ها:

تشخیص جنسیت، پردازش تصویر، شبکه عصبی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCNIEE04-NCNIEE04_062.html
کد COI مقاله: NCNIEE04_062

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
آریانسب, الهام؛ محسن معدنی و ابوالفضل گندمی، ۱۳۹۴، بهبود تشخیص جنسیت با استفاده از شبکه عصبی پرسپترون چند لایه بر روی عکستمام رخ، چهارمین کنفرانس ملی ایده های نو در مهندسی برق، اصفهان، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، https://www.civilica.com/Paper-NCNIEE04-NCNIEE04_062.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (آریانسب, الهام؛ محسن معدنی و ابوالفضل گندمی، ۱۳۹۴)
برای بار دوم به بعد: (آریانسب؛ معدنی و گندمی، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • تشخیص جنسیت افراد ایرانی از روی عکس پرسنلی با استفاده از پیکسل های سیاه رنگ تصویر [مقاله کنفرانسی]
  • یوسفی، علی، بدیع، کامبیز، "تشخیص جنسیت افراد از روی چهره ...
  • انتشار خطا"، گروه پژوهشی جامعه اطلاعاتی، مرکز تحقیقات مخابرات ایران، ...
  • کیا، مصطفی، شبکه‌های عصبی در، MATLAB ۲۰۰۰، گنج شایگان، دانشگاهی ...
  • حیدری، عبدالرحمن، پردازش تصویر در، Matlab پنجم، به‌آوران، کلک زرین، ...
  • منهاج، محمد باقر، "مبانی شبکه‌های عصبی"، هوش مصنوعی محاسباتی- جلد ...
  • Md. Hafizur Rahma, Suman Chowdhury, Md. Abul Bashar "A Automatic ...
  • Caifeng Shan "Learning local binary patterns for gender classification o ...
  • Paul Viola and Michael Jones "Rapid Object Detection using a ...
  • B. Moghaddam and M.-H. Yang, "Gender Classification With Support Vector ...
  • Badawi, A., Mahfouz, M., Tadross, R., Jantz, R., "Fingerprint- Based ...
  • Mannan, F., "Classification of Face Images Based on Gender using ...
  • Grassi, M., Faundez-zanuy, M., Samirg, O., Mikulka, H, "Face Gender ...
  • Jaswante, A., Ulah Khan, A. Gour, B., "Gender Classification ...
  • Computer Science and Information Technologies, Vol. 4 (6) , 2013, ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۵۵۲۵
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.