این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۱۴، شماره ۲، صفحات ۱-۱۷
عنوان فارسی ارائه یک مدل عمیق برای تشخیص چهره با انتخاب بهینه‌ی ویژگی‌ها توسط الگوریتم بهینه‌سازی کرم شب تاب
چکیده فارسی مقاله امروزه تشخیص چهره یک موضوع مهم در کاربردهایی همچون سیستم‌های امنیتی، کنترل کارت اعتباری و شناسایی مجرمان می‌باشد. چهره انسان ذاتاً پویا و متغیر است و تحت تأثیر عوامل متعددی به طور مداوم تغییر می‌کند. به همین دلیل توسعه‌ی یک مدل محاسباتی برای تشخیص چهره با توجه به پیچیدگی‌های چهره و ساختار چند بعدیِ بینایی دشوار است. از این رو تشخیص چهره به عنوان یک فعالیت سطح بالا در بینایی کامپیوتر شناخته شده که می‌تواند بسیاری از روش‌های بینایی اولیه را در برگیرد. در سال‌های اخیر رویکردها و روش‌های مختلفی برای سیستم‌های تشخیص چهره ارائه شده‌اند. اگر چه عمل تشخیص از تصاویر ثابتِ چهره به درجه بالایی از اطمینان و کارایی رسیده، اما همچنان افزایش دقت تشخیص در تصاویر چهره یک موضوع مهم و قابل بررسی می‌باشد. در این مطالعه برای بهبود تشخیص چهره از یک شبکه عصبی پیچشی عمیق استفاده شده است. در مرحله اول از روش پیشنهادی پس از انتخاب و استخراج داده‌ی اولیه از بانک داده، پیش پردازش‌های لازم بر روی تصاویر انجام می‌شود. خروجی این مرحله به‌عنوان ورودی به الگوریتم بهینه‌سازی کرم شب تاب داده شده تا برای انتخاب ویژگی‌های موثر و شناخت آن‌ها در راستای بهینه‌سازی استفاده گردد. در نهایت از یک شبکه عصبی پیچشی عمیق در دو گام آموزش و آزمون برای تشخیص چهره استفاده شده است. هدف از ارائه روش پیشنهادی افزایش دقت و کاهش پیچیدگی محاسباتی در فرآیند تشخیص چهره است. روش پیشنهادی با استفاده از نرم افزار متلب پیاده‌سازی شده و نتایج پیاده‌سازی نشان دهنده‌ی عملکرد مناسب و افزایش دقت در فرآیند تشخیص می‌باشد. در روش ارائه شده به دلیل انتخاب بهینه‌ی ویژگی‌ها، میزان دقت تشخیص 95.11 % به‌دست آمده که نسبت به سایر روش‌های ارائه شده در سال‌های اخیر بالاتر است. علاوه بر این، عمل تشخیص در روش پیشنهادی سریع بوده و اساساً می‌تواند الزامات تشخیص چهره در زمان واقعی را برآورده سازد.
کلیدواژه‌های فارسی مقاله تشخیص چهره،انتخاب ویژگی بهینه،الگوریتم بهینه سازی کرم شب تاب،شبکه عصبی کانولوشنی عمیق،
عنوان انگلیسی A Deep Face Detection Model with an Optimal Selection of Features Using the Firefly Optimization Algorithm
چکیده انگلیسی مقاله Today, facial recognition is an important issue in applications such as security systems, credit card control, and identification of criminals. The human face is inherently dynamic, continuously changing under the influence of various factors. For this reason, it is difficult to develop a computational model for face detection considering the complexity of faces and the multidimensional structure of vision. Therefore, face detection is known as a high-level activity in computer vision that can include many basic visualization techniques. In recent years, various techniques and methods have been presented for facial detection systems. Although the act of recognition from static images of faces has reached a high degree of reliability and efficiency, still increasing the accuracy of detection in face images is an important issue that can be investigated. In this study, a deep convolutional neural network is used to improve face detection. In the first stage of the proposed method, after selecting and extracting the primary data from the database, the necessary pre-processing is done on the images. The output of this step is given as input to the firefly optimization algorithm to be used to select effective features and recognize them for optimization. Finally, a deep convolutional neural network has been used in two steps of training and testing for face recognition. The purpose of presenting the proposed method is to increase the accuracy and reduce the computational complexity in the face detection process. The proposed method is implemented using MATLAB software and the implementation results show proper performance and increased accuracy in the diagnosis process. In the presented method, due to the optimal selection of features, a detection accuracy rate of 95.11 % has been obtained, which is higher than other methods presented in recent years. In addition, the recognition process in the proposed method is fast and can basically meet the requirements of real-time face detection.
کلیدواژه‌های انگلیسی مقاله تشخیص چهره,انتخاب ویژگی بهینه,الگوریتم بهینه سازی کرم شب تاب,شبکه عصبی کانولوشنی عمیق
نویسندگان مقاله فرناز حسینی |
گروه مهندسی کامپیوتر، دانشگاه ملی مهارت، تهران، ایران.

معصومه خیری |
گروه مهندسی کامپیوتر، دانشگاه ملی مهارت، تهران، ایران.

نشانی اینترنتی https://jscit.nit.ac.ir/article_225245_b16ee2864cfc54baf3d43476d01b6150.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات