| LEADER |
06500nam a2200325 4500 |
| 001 |
1513595 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 549548
|a محمد، دعاء احمد جبريل
|e مؤلف
|
| 245 |
|
|
|a Using Machine Learning Algorithms to Detect Smile in Pictures Based on Geometric Features
|
| 246 |
|
|
|a استخدام التعلم الآلي لرصد الابتسامة اعتمادا على الخصائص الهندسية لشفاه الفم
|
| 260 |
|
|
|a عمان
|c 2018
|
| 300 |
|
|
|a 1 - 78
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c جامعة عمان العربية
|f كلية العلوم الحاسوبية والمعلوماتية
|g الاردن
|o 0091
|
| 520 |
|
|
|a ازداد استخدام الصور الرقمية وتطبيقاتها في الأعوام الأخيرة بشكل ملحوظ حيث أصبحت تدخل في شتى مجالات ومناحي الحياة اليومية وأصبحت جزء لا يتجزأ من اعملنا ومهامنا. حيث أصبحت تستخدم لحفظ مذكراتنا وتفاصيل أيامنا، من هنا فقد أصبحت الحاجة لتطوير تطبيقات الصور الرقمية واستخداماتها أمرا مهما. من اهم تطبيقات الصور الرقمية هي استخدامها لأخذ صور الشخصية للأفراد، بحيث تظهر تعابير الوجه للأفراد والتي يمكن من خلالها استنتاج الحالة المزاجية وشعور الشخص عند التقاط الصورة. ولهذا السبب فانه سيتم البحث في هذا المجال ومحاولة استخدام طرق جديدة في هذا البحث لمعرفة وتحديد بعض تعابير الوجه للإنسان أثناء التقاط الصورة. تهدف هذه الدراسة إلى تقديم آلية جديدة يمكن من خلالها تحديد إذا ما كان الشخص في الصورة مبتسما أم غير مبتسم أثناء التقاط الصورة من خلال مجموعة من المراحل وتطبيق هذه المراحل على مجموعة من الصور. في المرحلة الأولى: يتم استخدام خوارزمية Flandmark لتحديد الوجوه في الصور ومن ثم تحديد الشفاه أيضا باستخدام الخوارزمية نفسها. في المرحلة الثانية: يتم تحديد نقاط الشفاه ورسم الخطوط بينها لإنتاج خمسة زوايا واستخدامها لإنشاء قاعدة بيانات جديدة من نوعها حيث أنها تحتوي على متغيرات وتفاصيل للفم لم يسبق أن تم إنتاجها واستخدامها من قبل وستكون متاحة للاستخدام في أبحاث أخرى. يمكن تقسيم هذه المرحلة إلى ثلاثة مستويات منفصلة اعتمادا على عدد الزوايا في كل مستوى؛ حيث يحتوي المستوى الأول على زاويتين فقط. بينما يشتمل المستوى الثاني على ثلاثة زوايا، أما المستوى الثالث فيستخدم خمسة زوايا وجميع هذه المستويات لها احتمالين وهما استخدام هذه الزوايا مع مسافتين بين نقاط الفم والاحتمال الثاني هو عدم استخدام هذه المسافات. بعد تحديد احتمالات الدراسة يتم استخدام وتطبيق بعض الخوارزميات الخاصة بالتصنيف من برمجية ال WEKA على هذه الاحتمالات ومقارنة النتائج لجميع هذه الخوارزميات والاحتمالات. حيث سيتم استخدام الخوارزميات (Bayes Net, Naïve Bayes, SMO, IBK, Decision Table, BF Tree, J48, Random Tree, Rep Tree) بحيث يتم استخدامها بشكل مباشر دون تعديل خصائصها ومن ثم إعادة استخدامها مع تعديل الخصائص الخاصة بكل خوارزمية لمراقبة ومتابعة التأثير على النتائج لهذه الخوارزميات. تم إجراء العديد من التجارب التي تم استخدام العديد من الاحتمالات فيها لتصبح شاملة لجميع العوامل التي يمكن أن تؤثر في نتائج الدراسة ودقتها ولتحديد أفضل الطرق لاكتشاف الابتسامة في الصور الرقمية حيث وصل عددها إلى 594 تجربة باستثناء التجارب التي استخدمت لتحديد أفضل التعديلات على كل خوارزمية. تبين في نهاية هذه الدراسة من خلال إجراء بعض المقارنات بين جميع النتائج لجميع الاحتمالات السابقة أن أفضل الطرق المستخدمة للكشف عن الابتسامة في الصور هي طريقة IBK أو الطريقة التي تستخدم Random Tree بغض النظر عن الاحتمال المستخدم من الزوايا لان جميع الاحتمالات باستخدام هذه طريقة تعطي نتيجة اكتشاف بنسبة 100% بشرط استخدامها بأسلوب Training/testing. وتبين أن المصنف SMO هو أفضل الخوارزميات التي يمكن استخدامها للكشف عن الوجوه غير المبتسمة في اغلب الأحيان حيث تمكن من اكتشاف جميع الصور غير المبتسمة بينما كان الأسوأ في اكتشاف الصور المبتسمة.
|
| 653 |
|
|
|a الصور الرقمية
|a الخوارزميات
|a التقنيات الحديثة
|a التعلم الالكتروني
|
| 700 |
|
|
|9 534397
|a نصار، محمد عثمان
|e مشرف
|
| 856 |
|
|
|u 9802-016-013-0091-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9802-016-013-0091-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9802-016-013-0091-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9802-016-013-0091-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9802-016-013-0091-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9802-016-013-0091-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9802-016-013-0091-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9802-016-013-0091-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9802-016-013-0091-O.pdf
|y الخاتمة
|
| 856 |
|
|
|u 9802-016-013-0091-R.pdf
|y المصادر والمراجع
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 1015720
|d 1015720
|
