7880

بازشناسي چهره با استفاده از يك نمونه

كارشناسي

كامپيوتر

1401

محمدرضا محمدي - عادل تركمان رحماني

1401/06/04

كامپيوتر

one shot face recognition

بازشناسي چهره با استفاده از يك نمونه يكي از چالشهاي موجود در زمينه‌ي بينايي كامپيوتر و شناسايي چهره است. مشكلاتي از قبيل وجود تفاوت در شرايط محيطي كه تصوير اوليه در آن به ثبت رسيده (محيط اوليه) و شرايط محيطي كه تصوير ورودي در آن گرفته شده (محيط ثانويه)، تغيير جهتگيري چهره‌ي موردنظر با جهت‌گيري آن در زمان ثبت تصوير اوليه، تغييرات چهره‌ي فرد از زمان ثبت تصوير اوليه و تصوير ورودي باعث مي‌شود تا مدل‌هاي موجود براي بازشناسي چهره با مشكل مواجه شوند. اين امر به ويژه زماني صادق است كه تنها يك تصوير مرجع از افراد داشته باشيم. براي تقويت دقت مدلها، مي‌توان مجموعه‌ تصاوير مرجع را با توليد چهره‌هاي مصنوعي تقويت كرد. با اين حال، بدون آگاهي از شرايط محيطي ثانويه، براي پوشش دادن تمام شرايط احتمالي متنوع تصاوير ورودي در محيط ثانويه، بسياري از تصاوير مصنوعي بايد توليد شوند. بنابراين، سيستمهاي بازشناسي چهره ممكن است به پياده‌سازي‌هاي پيچيده نيازداشته‌باشند و هنگام آموزش بر روي بسياري از تصاويري كه از لحاظ ويژگي‌هاي مذكور به تصاوير ورودي كمتر مرتبط هستند، دقت كمتري به‌دست‌آورند. در اين پروژه، پياده‌سازي الگوريتم جديد DSFS كه از اطلاعات و استخراج ويژگي‌ها از محيط ثانويه براي توليد چهر ه‌هاي مصنوعي استفاده مي‌كند پياده‌سازي شده است. اين الگوريتم ابتدا ويژگي‌هاي تعريف شده (زواياي جهت‌گيري چهره در تصوير و شرايط نوري تصوير) را از مجموعه‌ي تصاوير ورودي به‌دست‌مي‌آورد و سپس با استفاده از خوشه‌بندي اين مجموعه ويژگي، مجموعه تصاويري كه ويژگي‌هايشان نماينده‌ي ويژگي‌هاي تمام مجموعه‌ي ورودي است را مشخص مي‌كند. با استفاده از تكنيك بازسازي سه‌بعدي چهره و تغيير زواياي مدل سه‌بعدي به‌دست‌آمده به زواياي جهت‌گيري نماينده و تبديل مدل سه‌بعدي به تصوير دوبعدي، چهر ه‌هاي مصنوعي از چهره‌هاي تصاوير مرجع ساخته مي‌شوند. سپس با استفاده از روش مثلث‌بندي چهره، انطباق شرايط نوري نماينده به تصاوير دوبعدي به‌دست‌آمده صورت‌ مي‌گيرد. خروجي اين مرحله، مجموعه‌ي‌ فشرده‌اي از چهر ه‌هاي مصنوعي مرجع كه داراي ويژگي‌هاي نماينده‌ي به‌دست‌آمده از مجموعه تصاوير ورودي هستند، است. در يك پياده‌سازي دسته‌بندي مبتني بر بازنمايي تنك بر اساس چهرههاي مصنوعي توليد‌شده با DSFS براي تشكيل يك ديكشنري مبتني بر محيط استفاده‌ مي‌شوند كه تنكي تصاوير را ذخيره مي‌كند. نتايج عملي به‌دست‌آمده به روي مجموعه داده Chokepoint نشان مي‌دهد كه تقويت مجموعه تصاوير مرجع سيستم‌هاي بازشناسي چهره با استفاده از رويكرد تغيير جهت‌گيري چهره پياده‌سازي‌شده ميتواند سطح قابل‌توجه بالاتري از دقت را ارائه دهد. همچنين با استفاده از مدل‌هاي عميقي كه از تصوير چهره، استخراج ويژگي مي‌كنند مي‌توان براي مقايسه‌ي بردار ويژگي‌هاي استخراج شده از تصاوير مصنوعي و تصاوير به‌دست‌آمده از ويديو، بازشناسي چهره را انجام داد. در اين پروژه براي استفاده از اين روش از م دل ArcFace استفاده شده است كه داده‌افزايي‌هاي انجام گرفته تاثير چشم‌گيري در بهبود نتايج گرفته‌شده توسط مدل را نداشت و اين مي‌تواند نشان‌دهنده‌ي اين موضوع باشد كه مدل ArcFace براي استخراج ويژگي از چهره، نسبت به جهت‌گيري چهره حساسيت ملموسي ندار د .

بينايي ماشين , داده‌افزايي , چهره مصنوعي , مدل سه‌بعدي تغييرپذير , يادگيري عمومي , تخمين جهت‌گيري چهره