این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۸، شماره ۱، صفحات ۳۳-۴۴
عنوان فارسی بهبود بازشناسی چهره با یک تصویر از هر فرد به روش تولید تصاویر مجازی توسط شبکه‌های عصبی
چکیده فارسی مقاله در این مقاله با استفاده از تولید تصاویر مجازی به کمک شبکه های عصبی، مسئله بازشناسی چهره با یک تصویر از هر فرد مورد توجه قرار گرفته است. برای جداسازی اطلاعات شخص از حالت و تخمین مانیفولدهای زیرفضاهای مربوطه، از یک شبکه عصبی تحلیل¬گر غیرخطی اطلاعات چهره استفاده شده است. به منظور افزایش تعداد نمونه¬های تعلیم در شبکه طبقه¬بندی کننده، به کمک مانیفولدهای تخمین زده شده، تصاویر مجازی از چهره¬های نرمال موجود در پایگاه داده اصلی تولید شده است. با طراحی ساختارهای مختلفی از شبکه¬های عصبی مصنوعی به منظور استخراج مؤلفه¬های زیرفضاهای اطلاعات فرد و حالت، کیفیت چهره¬های مجازی و درنتیجه درصد صحت بازشناسی در شبکه طبقه¬بندی کننده بهبود می¬یابد. برای تخمین بهتر مانیفولدهای اطلاعات شخص و بهبود قدرت تعمیم، یک روش تعلیم برمبنای خوشه-بندی بدون سرپرستی ارائه شده است. با به کارگیری این روش و تعلیم شبکه طبقه¬بندی کننده به کمک تصاویر مجازی حاصل، درصد صحت بازشناسی %63/83 روی دادگان تست حاصل شده که نسبت به حالت تعلیم شبکه طبقه¬بندی کننده فقط با تصاویر نرمال دارای بهبود %73/12 است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Improving face recognition from a single image per person via virtual images produced by imagination using neural networks
چکیده انگلیسی مقاله This paper deals with the problem of face recognition from a single image per person by producing virtual images using neural networks. To this aim, the person and variation information are separated and the associated manifolds are estimated using a nonlinear neural information processing model. For increasing the number of training samples in neural classifier, virtual images are produced for the neutral pose samples in a gallery dataset. By designing various structures of neural networks, the quality of virtually produced images, and consequently the recognition accuracy rate are improved. To obtain person information manifold codes giving better performance in describing the other persons and in generalizing, a learning method based on unsupervised clustering is presented. Applying this learning method and training classifier with virtual images, gives an accuracy rate of 83.63% on test dataset, which shows 12.73% improvement in comparison with training classifier using neutral pose samples.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فاطمه عبدالعلی | fatemeh abdolali
امیر کبیر

ندا داداشی | neda dadashi


سیدعلی سیدصالحی | SeyyedAli SeyyedSalehi
دانشگاه صنعتی امیرکبیر

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-1367-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-600139.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش گفتار
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات