ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Face Clustering with a Piecemeal Approach Optimized Using Deep Learning and Genetic Algorithm

العنوان بلغة أخرى: تجميع الوجوه باستخدام طريقة تجزئة الوجود إلى أجزاء والتعرف على دور كل جزء باستخدام التعلم الاوتوماتيكي العميق وخوارزميات الوراثة
المؤلف الرئيسي: زبير، زونيرا (مؤلف)
مؤلفين آخرين: Hedjam, Rachid (Advisor), Al-Hajri, Abir (Advisor), Abdesselam, Abdelhamid (Advisor)
التاريخ الميلادي: 2021
موقع: مسقط
الصفحات: 1 - 41
رقم MD: 1191322
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة السلطان قابوس
الكلية: كلية العلوم
الدولة: عمان
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

14

حفظ في:
المستخلص: تعرف مسألة تجميع الوجوه البشرية على أنه أسلوب تجميع مجموعة من الوجوه غير المصنفة مسبقا بالتشابه البصري. في حين أن هذا قد يبدو مرادفا لمسألة التعرف على الوجوه، إلا أنها تختلف في جوانب مختلفة. يعد التعرف على الوجوه مشكلة تعليمية خاضعة للإشراف، حيث تعرف مسبقا مجموعة صور الوجه إلى جانب أصنافها. لكن تجميع الوجوه يقع تحت تصنيف غير خاضع للإشراف، حيث لا تحتوي الوجوه على أي صنف معرف مسبقا. يتم مواجهة مثل هذا الموقف في العديد من سيناريوهات العالم الحقيقي، وعلى الرغم من التطورات الأخيرة، لا يزال تنفيذ مثل هذه الأنظمة يمثل تحديا. في هذا العمل، نقترح تقنية لأداء تجميع الوجوه بناء على تمثيلات مجزأة للوجوه. والغرض من ذلك هو تحديد أي من أجزاء الوجه: العيون، الأنف، الفم أو مزيج مرجح من الثلاثة يؤدي إلى أداء التجميع بدقة أفضل. تستخدم طريقتنا أربع شبكات عصبية تلافيفية مدربة من البداية، لاستخراج الميزات من أجزاء الوجه المكتسبة من قاعدة بيانات الوجه المستحضرة في Georgia Tech. نظرا لأن قاعدة بيانات الوجه هذه مصنفة، يمكن التحقق من صحة نتائج التجميع باستخدام تحليل التجميع الخارجي. علاوة على ذلك، لتعزيز إجراء التجميع، نتعلم دور كل جزء من أجزاء الوجه باستخدام الخوارزميات الجينية. نتيجة لذلك، كشفت الخوارزمية المقترحة أن بعض أجزاء الوجه أكثر أهمية من غيرها، على الأقل بالنسبة ل مجموعة البيانات المستخدمة.

عناصر مشابهة