راهکاری نوین برای تشخیص هویت افراد از روی چهره در مجموعه داده های بزرگ (مقیاس اینترنت)

در سال های اخیر با توجه به افزایش تعداد تصاویر چهره ذخیره شده، نیاز به تشخیص و شناسایی هویت افراد درون این تصاویر، به منظور دسته بندی و جستجو در آن ها، ضرورت می یابد. از طرفی دستیابی به دقت قابل قبول جهت تشخیص چهره دارای اهمیت بوده و از طرف دیگر دو چالش حافظه و زمان مصرفی به وجود می آید. بنابراین نیاز به ارائه رویکردی جدید برای تشخیص هویت افراد درمجموعه داده های بزرگ در زمان و حافظه قابل قبول، احساس می شود.در این مقاله، هدف بر آن است تا اقدام به شناسایی چهره در تصاویر زیاد نماییم. مهم ترین پارامتر تاثیرگذار در این حوزه، زمان پاسخ سیستم می باشد. در این راستا، ابتدا با استفاده از رویکرد استخراج و ترکیب ویژگی ها، ویژگی های با اهمیت تعیین شده و سپس توسط تلفیق دو روش خوشه بندی و Naïve bayes اقدام به ساخت کلاسیفایر جهت تشخیص چهره در مجموعه داده های زیاد، می شود. برای این منظور از مجموعه تصاویر PubFig83 + LFW استفاده شده و برای هر خوشه یک کلاسیفایر ساخته می شود. نتایج بدست آمده حاکی از آن است که روش پیشنهادی نسبت به روش های پیشین مشابه، توانسته ضمن کاهش زمان و حافظه مصرفی، اقدام به حفظ دقت نیز نماید.

کلیدواژه ها:

تشخیص چهره ، خوشه بندی ، داده های بزرگ ، Naïve bayes ، LASRC