سپهر باباپور

Automatic Face Retrieva‎l Dataset Collector

از احراز هويت چهره مي‌توان به عنوان يكي از كاربردي‌ترين مسائل حوزه پردازش چهره در بينايي ماشين ياد كرد؛ مسئله‌اي كه با وجود پيشرفت‌هاي شگرف در حوزه بينايي ماشين و يادگيري عميق نتوانسته است دقت مطلوبي را در شرايط پر‌چالش داشته باشد. موانعي مانند وضعيت روشنايي و كيفيت نامطلوب تصوير چهره، زاويه بيش از حد چهره با دوربين و پوشيده شدن بخشي از چهره باعث شده‌اند تا ضعف‌هايي در سيستم‌هاي احراز هويت مبتني بر يادگيري عميق بوجود آيند. يك راه‌حل براي رفع مشكلاتي از اين دست، توليد تصاوير چهره مناسب احراز هويت از تصاوير نامناسب مي‌باشد؛ اما عدم وجود مجموعه داده‌اي در اين رابطه كه داراي برچسبي از نوع تصوير باشد، مانعي جدي در توسعه الگوريتم‌هاي توليد چهره ايجاد كرده‌اند. در اين پروژه سعي شده است تا با گردآوري خودكار و نيمه‌خودكار مجموعه داده‌اي، نبود چنين مجموعه داده‌اي را با كم‌ترين هزينه زماني و انساني جبران كنيم. در اين راستا، به دنبال يافتن منبعي غني از توالي تصاوير چهره اشخاص گوناگون از نظر جنسيت، نژاد و سن، فيلم‌هاي موجود در اينترنت را به عنوان داده ورودي خط‌توليد مجموعه داده انتخاب نموديم. هدف اين خط‌توليد استخراج دنباله زماني تصاوير چهره (كه هر چهره مي‌تواند مجموعه‌اي از مشكلات فوق را داشته باشد) و يافتن بهترين تصوير چهره اشخاص در فيلم مي‌باشد. هر چهره موجود در فيلم بر اساس زاويه، كيفيت و ابعاد تصاوير چهره رتبه‌بندي و سپس آستانه گذاري مي‌شود تا بدين ترتيب به بهترين تصوير چهره هر شخص در هر فيلم دست پيدا كنيم. اين مجموعه داده از 38 شخص متفاوت در 31 فيلم گوناگون تشكيل شده است، بطوريكه تعداد كل توالي‌هاي اين مجموعه داده به 789 و تعداد كل تصاوير چهره به 46343 مي‌رسد. در كنار ارائه اين آمار، آزمايشي بر روي شبكه U و به منظور يافتن ميزان دشواري اين مجموعه داده انجام داديم، كه نتايج اين آزمايش نشان مي‌دهد تصاوير چهره توليد شده فاقد معيار‌هاي لازم بوده و خلاقيت‌هاي بيشتري در زمينه معماري شبكه، توابع ضرر و راهكارهاي ديگر نياز است تا چهره‌اي مطلوب توليد شود. خلاقيت‌هايي كه تلاش ساير محققين در اين زمينه را مي‌طلبد.

هوش مصنوعي , يادگيري عميق , بينايي ماشين , مجموعه داده چهره , تشخيص هويت چهره , بازيابي چهره , بازشناسي چهره