بهبود دقت تشخیص مکانیابی چهره با استفاده از فیلتر گابور و افزایش پارامترهای ورودی شبکه های عصبی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 448

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC04_155

تاریخ نمایه سازی: 18 تیر 1396

چکیده مقاله:

شبکه های عصبی مبتنی بر تشخیص چهره، موفقیت های زیادی در این حوزه بدست آورده اند. برای تمامی سیستم های تشخیص الگو، شناساییدرست یک ویژگی بسیار مهم است. یک راه حل شبکه عصبی ترکیبی برای تشخیص چهره که در این مقاله به آن اشاره شده، این است کهشبکه عصبی به کمک ویژگی های فیلتر گابور آموزش می بیند. فیلتر که قادر است بطور همزمان اطلاعات مکانی و فرکانسی را ثبت کند،نقش عمده ای در سیستم های متعدد بعنوان یک ویژگی استخراج کننده ایفا می کند. در بیشتر روش های تشخیص چهتره بر اساس ویژگی مقدار یا ترکیب ویژگی های مرحله و مقدار فیلتر گابور استفاده می شود. اما در این مقاله از سه ویژگی مقتدار ، مرحله و جهت گیری تولید شده توسط فیلتر گابور استفاده شده است. این سیستم با آمیختن یک تصویر چهره با مقیاس و جهت گیری های مختلفکار می کند. نتایج بدست آمده نشان می دهد که استفاده از این سه ویژگی موجب بهبود فرایند تشخیص چهره می گردد.

کلیدواژه ها:

تشخیص چهره ، فیلتر گابور ، شبکه های عصبی مصنوعی

نویسندگان

علی ماروسی

دانشگاه تربت حیدریه؛ گروه کامپیوتر و فناوری اطلاعات

ایمان ذباح

دانشگاه آزاد اسلامی واحد تربت حیدریه ؛ گروه کامپیوتر

علی کفتری

دانشجوی کامپیوتر دانشگاه تربت حیدریه

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 :
  • Buhmann J., Lange J. and Malsburg C.V., Distortion invariant object ...
  • Daugman, J. G., Uncertainty relation for resolution in space spatial ...
  • Peli E., Contrast in complex images. Journal of Optical Society, ...
  • Lanitis, A., Taylor, C.J. and Cootes, T.F., A unified approach ...
  • Chen, Q., Wu, H. and Yachida, M., June. Face detection ...
  • Craw, I., Tock, D. and Bennett, _ Finding face features. ...
  • Zhu, J., Vai, M.I. and Mak, P.U., Gabor wavelets transform ...
  • Pang, Y., Zhang, L, Li, M., Liu, Z. and Ma, ...
  • Ding, J, _ Frequency Analsis Tutorial Gabor Feature And Its ...
  • Pramadihanto, D., Wu, H. and Yachida, M., 1996, October. Invariant ...
  • Nagi, J., Abmed, S.K. and Nagi, F., March. A MATLAB ...
  • Rowley, H.A., Baluja, S. and Kanade, T. Neural network-based face ...
  • Matlab Based Face recognition system using Image A:ه [13] Jawad ...
  • Avinash Kaushal, JpsRaina, "Face Detection Using Neural Network &Gabor Wavelet ...
  • نمایش کامل مراجع