Learning Discriminant Face Descriptor

موضوع انگلیسی : Learning Discriminant Face Descriptor

موضوع فارسی : درک توصیفگر تفکیکی چهره

رشته : مختلف
قیمت : 18000 تومان
تعداد صفحه انگلیسی : 13
تعداد صفحه فارسی : 32
دانلود مقاله اصلی

چکیده: توصیفگر محلی چهره، یک مدول مهم در تشخیص چهره بوده و انگاره هایی مانند انگاره ی گابور و انگاره ی مضاعف محلی (LBP)، توصیفگر های موثری را ارائه نموده اند. به طور سنتی، تنظیم چنین توصیفگر های محلی، به صورت دستی تعریف می شود. در این مقاله، روشی را برای درک توصیفگر تفکیکی چهره (DFD) به روش داده ای ارائه می نماییم. هدف، درک ویژگی های محلی تفکیک شده ای است که تفاوت میان ویژگی های تصاویر مختلف گرفته شده از یک فرد را به حداقل رسانده و این تفاوت را در عکس های مختلف از افراد مختلف به حداکثر برساند. به طور خاص، پیشنهاد می کنیم که توانایی تفکیکی نمایش چهره را از سه جنبه افزایش دهیم. ابتدا، فیلترهای تفکیکی تصویر درک شوند. دوم، استراتژی نمونه برداری محلی بهینه به صورت ملایم تعیین شود. سوم، انگاره های غالب به صورت آماری ساخته شوند. درک تفکیکی به منظور استخراج ویژگی های موثر و قدرتمند، مورد استفاده قرار می گیرد. سپس، روش پیشنهاد شده را در مورد روند تشخیص چهره ی تفکیکی نا همگن (متقابل) اعمال نموده و DFD را به صورت پیوسته (DFD پیوسته یا C-DFD) به منظور کاهش فاصله ی میان ویژگی های تصاویر نا همگن چهره در جهت بهبود عملکرد این مساله ی چالش برانگیز، درک می نماییم. آزمایش های گسترده بر روی پایگاه های داده ای چهره ی FERET، CAS-PEAL-R1، LWF، و HFB، اثربخشی روش ارائه شده برای درک DFD در موارد تشخیص چهره ی همگن و نا همگن را تایید می نماید. DFD باعث بهبود POEM و LQP تا 4.5% بر روی پایگاه داده ی LFW شده و C-DFD عملکرد تشخیص چهره ی نا همگن LBP را تا بیش از 25% افزایش می دهد.