: تشخيص جنسيت افراد از روي عكس چهره آن‌ها با استفاده از شبكه‌هاي عصبي عميق

دانشگاه ولي عصر (عج) رفسنجان

كارشناسي ارشد

به طور معمول، انسان مي‌تواند به راحتي بين مرد و زن موجود در تصوير تمايز قائل شود، اما تشريح دقيق اينكه چرا مي‌تواند چنين كاري را به اين سادگي انجام دهد، دشوار است. بدون تعيين ويژگي‌هاي دقيق، اين تمايز مي‌تواند براي رويكردهاي يادگيري ماشين خيلي دشوار باشد. علاوه بر آن، ويژگي‌هايي كه مرتبط با انجام اين كار هستند هميشه به يك شيوه بيان نمي‌شوند، بلكه براي هر انساني كمي متفاوت به نظر مي‌رسد. شبكه‌هاي عصبي عميق، راهكاري براي پردازش اطلاعات بدون ويژگي‌هاي از پيش تعريف شده ارائه مي‌كنند و پيش‌بيني‌هاي دقيقي را با وجود تنوع در چگونگي بيان ويژگي‌ها انجام مي‌دهند. در اين پژوهش با استفاده از شبكه‌هاي عصبي عميق، به تشخيص جنسيت افراد از روي تصاوير چهره افراد مي‌پردازيم. در واقع، هدف آن است كه تصاوير به يك مدل يادگيري عميق داده شوند و مدل بتواند تشخيص بدهد كه فرد حاضر در تصوير مرد يا زن است. از اين رو با استفاده از شبكه عصبي عميق MTCNN به يافتن چهره در تصاوير پرداختيم. سپس مختصات چهره‌هاي موجود در تصاوير را استخراج ‌كرديم. آنگاه با تنظيم دقيق شبكه عصبي كانولوشني از پيش آموزش ديده VGG16 و آموزش دادن آن با 126000 چهره‌ي استخراج شده، مدل ساخته شد كه توانايي دسته‌بندي تصاوير چهره مرد و چهره زن را داراست. تمامي اين مراحل با استفاده از زبان برنامه نويسي پايتون و چهارچوب‌هاي تنسورفلو و كراس انجام شد و توانستيم به دقت 92.59% در داده‌هاي ارزيابي و 95.26% در داده‌هاي آزمون دست پيدا كنيم

57963

دانشگاه وليعصر رفسنجان

محمد رضا جيدريان -سيد مجتبي صباغ

علوم كامپيوتر

محمود كشاورزي