تشخيص چند وجهي چهره به وسيله شبكه هاي يادگيري عميق

كارشناسي

با گسترش روز افزون داده‌هاي تصويري، درك محتواي تصويرها توسط سيستم‌هاي خودكار، اهميت ويژه‌اي پيدا كرده است. در اين زمينه، شناسايي چهره‌ي انسان در تصويرها به دليل پيش نياز بودن در بسياري از كاربردها، مورد توجه پژوهشگران مي باشد. از جمله اين كاربردها عبارتند از: تشخيص هويت، جنسيت، سن، تشخيص حالت چهره و اضافه يا كم كردن ويژگي‌هايي در چهره به صورت خودكار. پژوهشگران اين حوزه با استخراج ويژگي‌هاي تصوير و الگوريتم يادگيري آدابوست به روش مناسبي مانند ويولا-جونز دست يافتند و يا با استفاده از توصيفگر هيستگرام گراديان جهت‌دار تصوير و ماشين بردار پشتيبان، موفق به شناسايي چهره در تصاوير شدند. البته ضعف اصلي اين الگوريتم ها اين است كه به اندازه‌ي كافي قوي نيستند كه چهره را در موقعيت هاي مختلف سر شناسايي كنند.با توجه به پيشرفت‌هاي اخير در حوزه يادگيري عميق و افزايش قدرت محاسباتي واحد پردازش گرافيكي، ارائه‌ي يك مدل با استفاده از شبكه‌هاي عصبي كانولوشنالي عميق به منظور شناسايي چهره در موقعيت‌هاي مختلف سر, هدف اين تحقيق مي‌باشد. در اين پايان نامه از دو مدل Retinanet و YOLOv4 براي شناسايي چهره استفاده شده است. اين مدل ها با استفاده از مجموعه داده WIDER face آموزش داده شده اند و نتايج آنها با يكديگر مقايسه شده اند.

196671

دانشگاه علم و صنعت ايران

مهندسي برق-الكترونيك

دكتر برادران شكوهي