6 SID.ir | بهبود مدل تفکيک کننده منيفلدهاي غيرخطي به منظور بازشناسي چهره با يک تصوير از هر فرد
کرونا در اخبار
وزارت بهداشتفارس ایسنا ایرنا جماران سیناپرس خبرآنلاین
کرونا
CoronaVirus
[COVID19]
کرونا در منابع علمی
CDC Nejm JAMA Lancet Cell BMJ Elsevier Oxford Nature Wiley Cambridge Medrxiv

مشخصات مقاله

 
عنوان مقاله: 

بهبود مدل تفکيک کننده منيفلدهاي غيرخطي به منظور بازشناسي چهره با يک تصوير از هر فرد

 
نویسندگان: 
 
آدرس:  
 
چکیده: 

يادگيري منيفلد يکي از روش هاي کاهش بعد مطرح به منظور استخراج ساختار غيرخطي داده با ابعاد بالاست. تاکنون روش هاي زيادي به اين منظور ارائه شده اند. در تمام اين روش ها يک منيفلد به عنوان منيفلد جاسازي شده در داده استخراج مي شود. در حالي که در خيلي از مسائل مربوط به دنياي واقعي يک منيفلد به تنهايي بيان گر ساختار داده نيست. در اين راستا بر مبناي تحقيقات قبلي، يک روش کاهش بعد غيرخطي مبتني بر شبکه هاي عصبي عميق ارائه شده است که قادر به استخراج توأم منيفلدهاي جاسازي شده در داده است. در مدل شبکه عصبي تفکيک کننده منيفلدهاي غيرخطي، برخلاف روش معمول استخراج منيفلد با شبکه هاي عصبي که به صورت بدون سرپرستي صورت مي گيرد، از برچسب داده در جهت شکل گيري منيفلدها به صورت غيرمستقيم استفاده مي شود. با توجه به ساختار عميق اين مدل نشان داده شده است که با بهره گيري از روش هاي پيش تعليم مي توان به طور معناداري عملکرد آن را بهبود بخشيد؛ همچنين در راستاي استخراج بهتر منيفلدها و حفظ تمايز درون منيفلدي براي طبقات مختلف، توابع معيار آن بهبود داده شده است. اين مدل براي استخراج منيفلدهاي حالت هاي احساسي و هويت افراد از دادگان چهره CK+، مورد استفاده قرار گرفته است. با بهره گيري از پيش تعليم لايه به لايه و بهبود توابع معيار، نرخ بازشناسي حالت براي تصاوير مجازي از 24.29% به 75.07% و درصد صحت بازشناسي هويت با يک تصوير از هر فرد با غني سازي دادگان تعليم طبقه بند KNN توسط اين تصاوير مجازي، از 90.62% به 97.07% نسبت به مدل اوليه بهبود داشته است.

 
کلید واژه: 

 
موضوعات مرتبط: 
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  چکیده انگلیسی بازدید یکساله 108
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی