شناسایی چهره توسط شبکه‌های عصبی کانولوشنی با رویکرد استخراج و ترکیب ویژگی‌های مناسب

جواد خسرویان عربکوروش کیانی
The 11th Iranian and the first International Conference on Machine Vision and Image Processing (MVIP 2020)

چکیده

با وجود پیشرفت‌های چشمگیر در طی بیست و پنج سال گذشته، شناسایی چهره همچنان یک مساله چالش برانگیز است. این مقاله‌ رویکردی مبتنی بر یادگیری عمیق با استفاده از شبکه‌های عصبی کانولوشنی را پیشنهاد می‌کند. این رویکرد با استفاده از شبکه‌های اولیه ResNet101 به استخراج ویژگی می‌پردازد. این ویژگی‌ها برای ترکیب مناسب و استخراج ویژگی‌های عمومی، به عنوان ورودی یک بلوک از ساختارهای هرمی در نظر گرفته شده است و توسط شبکه‌های کانولوشن و کانولوشنِ معکوس به ترکیب ویژگی‌های سطح بالا از تصویر می‌پردازد تا در ادامه توسط عملیات کانولوشنی ویژگی‌های مناسب را با توجه به ویژگی‌های سطح بالا، استخراج نماید. نتایج این رویکرد توسط دو مجموعه‌داده بزرگ و سه تابع تلفات آموزش دیده است و نتایج آموزش بر روی مجموعه داده LFWبا رویکردهای گذشته، مورد بررسی قرار گرفته است. نتایج این مقاله، دقت عملکرد 99.77 درصدی را بر روی مجموعه‌دادهLFWنشان می‌دهد.

کلمات کلیدی: شناسایی چهره، یادگیری عمیق، ساختار هرمی، کانولوشن و کانولوشن معکوس