بهینه سازی معیار جهت گرادیان در سیستم های تایید چهره

سیستم تایید چهره از جمله سیستم های بازشناسی الگو است که تعداد نمونه های آموزشی محدودی دارد. یکی از موثرترین روش های تصمیم گیری در این سیستم ها، استفاده از معیارهای شباهت سنجی است. معیار جهت گرادیان از جمله معیارهای شباهت سنجی است که کارایی آن در سیستم های تایید چهره اثبات شده است. در این معیار فاصله بین تصویر ورودی و مدل مورد نظر در راستای جهت گرادیان تابع احتمال پسین مدل محاسبه می شود. احتمال پسین مدل نیز توسط توزیع نرمال با ماتریس کوواریانس ایزوتروپیک تخیمن زده می شود که پارامتر انحراف معیار ماتریس کوواریانس، فاکتور مهمی در محاسبه فاصله است. در این مقاله، بهینه سازی معیار جهت گرادیان در سیستم های تایید چهره مدنظر می باشد که برای این منظور مقدار بهینه پارامتر انحراف معیار در مرحله ارزیابی سیستم به صورت خودکار محاسبه می گردد. با در نظر گرفتن پروتکل های آزمایشی پایگاه داده BANCA معیار جهت گرادیان، بهینه سازی شده و با معیار همبستگی نرمالیزه که یکی از مهمترین معیارهای شباهت سنجی است مقایسه می گردد. نتایج نشان می دهد که معیار جهت گرادیان بهینه در شرایط متفاوت نسبت به معیار همبستگی نرمالیزه شده دقت بالاتری دارد.

کلیدواژه ها:

تصمیم گیری ، معیارهای شباهت سنجی ، جهت گرادیان ، تایید چهره ، همبستگی نرمالیزه ، ایزوتروپیک