تشخيص چهره انسان بر مبناي تجزيه تك ارزشي
و شبكه عصبي
چكيده
اين مقاله يك سيستم تشخيص چهره پيشرفته را ارائه مينمايد. اين روش از
روال تجزيه تك ارزشي بهره جسته كه در آن تصاوير از خصيصههاي استخراجي
و پس انتشاري شبكههاي عصبي بعنوان كلاسيفاير يا رده بندي كننده
دادهها استفاده ميكنند. پارامترهاي آموزش يا فراگيري پس انتشاري، به
منظور يافتن بهترين پارامتر با بالاترين ميزان دقت عمل، بصورت متفاوت و
متغير در نظر گرفته شدهاند. نتايج بدست آمده از آزمايشات نشان دهنده
آن است كه تركيبات اين دو مولفه نرخ شناسايي متناسبي را عرضه داشته و
از اينرو ميتوان چنين مضموني را بعنوان يك سيستم موثر تشخيص چهره مد
نظر قرار داد.
كلمات
كليدي: تشخيص چهره، شبكههاي عصبي، تجزيه تك ارزشي
شناسايي اتوماتيك چهره انسان بعنوان يكي از مقولههاي فعال در زمينه
تحقيقات در طي ساليان اخير مد نظر قرار گرفته است. علت اين امر نيز
بدين دليل ميباشد كه نياز فزآيندهاي براي كاربرد اين امور در مضاميني
چون كنترل دسترسيهاي ايمن، تراكنشهاي مالي و غيره وجود دارد. از
اينرو، از طريق كاربردهاي نوظهور اين پديده در رشتههاي مختلف، شناسايي
اتوماتيك چهره انسان، كه بطور كلي تحت عنوان سيستم شناسايي بيومتريك از
آن ياد ميشود، هم اكنون در جهان واقعي اهميت بديعي يافته است. تكنيك
شناسايي بيومتريك بعنوان يك روش كارا و موثر عمل نموده و در عرصه
فراخواني اطلاعات كاربردهاي گستردهاي يافته است...
اين مقاله الگوريتمي را براي تشخيص چهره، از طريق اعمال روال تجزيه تك
ارزشي بر روي خصيصه استخراجي تصاوير، ارائه نموده است. در ادامه رويه
آموزش با بهره گيري از شبكه عصبي پس انتشاري محقق گرديد،جاييكه بانك
اطلاعات
ORL مربوط به چهره مورد استفاده قرار گرفت. از طريق اجراي SVD بر روي
تصاوير استخراجي، اندازه سلولهاي لايه ورودي را ميتوان تقريبا به
ميزان 99%، در مقايسه با اندازه طبيعي يا اوليه تصوير، كاهش داد.
عملكرد اين سيستم با استفاده از اين الگوريتم منوط به پارامترهايي
همچمون دوره، نرخ فراگيري و تعداد سلولهاي مخفي استفاده شده در BPN
ميباشد. بنابر اين، به منظور تعيين آنكه در كدام يك از پارامترها،
سيستم ميتواند عملكرد متناسب و قابل توجهي را عرضه دارد، آزمايشات
بسياري ارائه شدند. بازده اين سيستم براي نرخ شناسايي تصوير آموزشي
تقريبا 90% و براي تصاوير تست 77%، با توجه بدانكه سلولهاي مخفي مساوي
با 30 و 40 ميباشند، بوده است. نرخ فراگيري مساوي با 0.25 بوده و
حداقل دوره نيز مساوي با 2500 ميباشد...
علاوه بر اين مورد، عملكرد اين سيستم كاملا پايدار بوده و در صورتي كه
اندازه تصاوير آموزش ديده توسط ضريب اندكي كاهش يابد، ميتواند نرخ
شناسايي تقريبا برابري را حاصل نمايد. از طريق كاهش اندازه تصاوير،
ميتوان مدت زمان مورد نياز جهت تكميل روال آموزشي را نيز كاهش داد. از
اينرو، ميتوان سيستم كاراتري را عرضه داشت...
