تعلم المنهج للتعرف على الوجوه

العنوان تعلم المنهج للتعرف على الوجوه
المؤلف بويوكتاش، باريش، إرديم، ج. E.، إرديم، تانجو
تاريخ النشر: 2021
مكان النشر - IEEE
الموضوع تعلم المنهج، التعلم العميق، التعرف على الوجوه
النوع وثيقة
اللغة الإنجليزية
رقمي نعم
مخطوط لا
المكتبة: جامعة اوزيجين
معرف أصل المكتبة 2076-1465
رقم السجل 76b63415-6eeb-4e31-870f-bf2dc602839a
موقع المكتبة علوم الكمبيوتر
التاريخ 2021
نص عينة نقدم خوارزمية جديدة لتعلم المناهج الدراسية (CL) للتعرف على الوجوه باستخدام الشبكات العصبية التلافيفية. إن تعلم المنهج مستوحى من حقيقة أن البشر يتعلمون بشكل أفضل، عندما يتم تنظيم المعلومات المقدمة بطريقة تغطي المفاهيم السهلة أولاً، تليها المفاهيم الأكثر تعقيدًا. لقد ثبت في الأدبيات أن CL مفيد أيضًا لمهام التعلم الآلي من خلال تمكين التقارب مع الحد الأدنى المحلي الأفضل. في خوارزمية CL المقترحة للتعرف على الوجوه، نقوم بتقسيم مجموعة التدريب من صور الوجه إلى مجموعات فرعية ذات صعوبة متزايدة استنادًا إلى زاوية وضع الرأس التي تم الحصول عليها من المجموع المطلق لزوايا الانعراج والميل والالتفاف. يتم تقديم هذه المجموعات الفرعية إلى شبكة CNN العميقة من أجل زيادة الصعوبة. تظهر النتائج التجريبية على مجموعة بيانات CASIA-WebFace-Sub واسعة النطاق أن الزيادة في دقة التعرف على الوجوه تكون ذات دلالة إحصائية عند استخدام CL، مقارنة بتنظيم بيانات التدريب على دفعات عشوائية.
DOI 10.23919/Eusipco47968.2020.9287639
عرض في المصدر جامعة اوزيجين جامعة اوزيجين - محرك بحث الآثار التاريخية والأرشيفات والدوريات
جامعة اوزيجين - محرك بحث الآثار التاريخية والأرشيفات والدوريات جامعة اوزيجين

تعلم المنهج للتعرف على الوجوه

المؤلف بويوكتاش، باريش، إرديم، ج. E.، إرديم، تانجو
تاريخ النشر 2021
مكان النشر - IEEE
الموضوع تعلم المنهج، التعلم العميق، التعرف على الوجوه
النوع وثيقة
اللغة الإنجليزية
رقمي نعم
مخطوط لا
المكتبة جامعة اوزيجين
معرف أصل المكتبة 2076-1465
رقم السجل 76b63415-6eeb-4e31-870f-bf2dc602839a
موقع المكتبة علوم الكمبيوتر
التاريخ 2021
نص عينة نقدم خوارزمية جديدة لتعلم المناهج الدراسية (CL) للتعرف على الوجوه باستخدام الشبكات العصبية التلافيفية. إن تعلم المنهج مستوحى من حقيقة أن البشر يتعلمون بشكل أفضل، عندما يتم تنظيم المعلومات المقدمة بطريقة تغطي المفاهيم السهلة أولاً، تليها المفاهيم الأكثر تعقيدًا. لقد ثبت في الأدبيات أن CL مفيد أيضًا لمهام التعلم الآلي من خلال تمكين التقارب مع الحد الأدنى المحلي الأفضل. في خوارزمية CL المقترحة للتعرف على الوجوه، نقوم بتقسيم مجموعة التدريب من صور الوجه إلى مجموعات فرعية ذات صعوبة متزايدة استنادًا إلى زاوية وضع الرأس التي تم الحصول عليها من المجموع المطلق لزوايا الانعراج والميل والالتفاف. يتم تقديم هذه المجموعات الفرعية إلى شبكة CNN العميقة من أجل زيادة الصعوبة. تظهر النتائج التجريبية على مجموعة بيانات CASIA-WebFace-Sub واسعة النطاق أن الزيادة في دقة التعرف على الوجوه تكون ذات دلالة إحصائية عند استخدام CL، مقارنة بتنظيم بيانات التدريب على دفعات عشوائية.
DOI 10.23919/Eusipco47968.2020.9287639
جامعة اوزيجين - محرك بحث الآثار التاريخية والأرشيفات والدوريات
جامعة اوزيجين يتم إعادة توجيهك...

يرجى الانتظار