17508

17508

تشخيص كم هزينه چهره انسان بااستفاده از روش يادگيري عميق

كارشناسي ارشد

هوش مصنوعي و رباتيك

بهمن 1395

دكتر رضا برنگي

كامپيوتر

چكيده با توجه به اين كه اهميت سيستم هاي شناسايي كم هزينه چهره انسان با روش يادگيري عميق در كاربرد هاي مختلف روز به روز مشخص تر ميگردد.كارهاي زيادي به منظور بهبود دقت اين روش ها صورت گرفته است. در ساليان اخير با ظهور شبكه هاي كانولوشن عميق شاهد اين هستيم, اين روش ها نسبت به خيلي از روش هاي متداول نتايج بهتري را حاصل مي كنند, در اين پايان نامه از شبكه عصبي كانولوشنال عميق به منظور شناسايي چهره انسان به صورت كم هزينه كمك گرفته ايم كه در واقع از اين شبكه براي بهبود شبكه خود استفاده كرديم كه به مراتب نسبت به روش هاي نوين بهتر بوده است.روش پيشنهادي ما علاوه بر بهبود دقت شناسايي ,با استفاده از شبكه هاي يادگيري عميق كه ما از شبكه كانولوشن استفاده كرديم امكان بازشناسي تصوير در وضوح بالا از تصوير با وضوح پايين مهيا مي كند. و دقت شناسايي آن در حالاتي كه چهره در تصوير ورودي داراي حالتي غير طبيعي با ژست متفاوت و همراه با تغييرات ميزان نور است به صورت ويژه اي بالاتر از روش هاي نوين پيشين مي باشد .در روش پيشنهادي ما كه از شبكه كانولوشن در شبكه خود استفاده كرديم تعداد لايه ها و اوزان بالاست و نياز به داده هاي آموزشي حجيم به منظور گريز از بيش برازش شبكه ندارد. در واقع روش پيشنهادي در اين پايان نامه دقت 92درصدي دارد كه نسبت به روش هاي پيشين مانند KPCAوPCAدقت بالاتري داشته و هزينه آموزشي كمتري دارد. دقت روش 64.12KPCA= و براي 54.14PCA= مي باشد. واژه هاي كليدي:انتقال يادگيري ,وضوح پايين, وضوح بالا, شبكه هاي عصبي كانولوشن, تنظيم مجدد اوزان شبكه, شناسايي چهره, وضوح پايين يادگيري عميق.

1396/03/30

1/1/1900 12:00:00 AM

Abstract: Nowdays Low cost human face recognition with Deep-Learning methods for different working is appearing and more important than last years that are doing for improving accuracy in recent years,we are looking with appearing convolutional neural networks,these methods produce better result than other common methods.we use convolutional neural networks for low cost human face recognition,our proposal methods extera improve accuracy recognition that we can recognition image in high clarity from low clarity and accuracy recognition is more better than prior methods when input images have different gesture with revolutionize measure light,we use convolutional neural networks have high number of layers and weights that don’t need high training.our suggestion methods have92%accuracy but prior methods have low accuracy,forexample,PCA=54.14 and KPCA=64.12 Keywords:convolutional neural networks, accuracy, transfer learning, high clarity, face recognition, deep learning networks