التشابه الثنائي متعدد المقاييس هو متغير نمط ثنائي محلي للتعرف على الوجوه
| العنوان | التشابه الثنائي متعدد المقاييس هو متغير نمط ثنائي محلي للتعرف على الوجوه |
|---|---|
| المؤلف | تافلى، أحمد |
| تاريخ النشر: | 2018-08 |
| الموضوع | التعرف على الوجوه، تصنيف الصور، استخراج الميزات، الميزة، ناقلات الميزات، تصنيف الأنماط، دعم آلات المتجهات |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| رقم السجل | e68a60cd-ee44-40de-bb8c-6ffcea47266f |
| موقع المكتبة | قسم علوم الحاسوب |
| التاريخ | 2018-08 |
| نص عينة | تمت دراسة مشكلة التعرف على الوجوه لأكثر من أربعة عقود، وتم اقتراح العديد من الواصفات وهندسة الشبكات العصبية منذ ذلك الحين. الهدف بسيط، استخراج الميزات من نفس المواضيع للتدريب واختبار مجموعات صور الوجه، إذا كانت الطريقة المقترحة دقيقة، يتم تصنيف الميزات المستخرجة تحت نفس التسمية. لكن المشكلة تبدأ بتأثير الإضاءة على الصور؛ قد يؤدي تأثير الإضاءة إلى تصنيف الميزات المستخرجة لنفس الموضوع بتسميات مختلفة. لذلك، يجب إزالة الإضاءة والتأثيرات البيئية الأخرى من أجل التصنيف الدقيق. أحد الحلول للتخلص من التأثيرات البيئية هو استخدام واصف النمط الثنائي المحلي (LBP). LBP هو واصف بصري ثابت وبسيط حسابيًا وتمييزي للغاية. لذلك، تم تطوير الواصفات المستندة إلى LBP لأكثر من عقدين من الزمن لحل مشكلة التعرف على الوجوه. خاصية LBP0 البسيطة حسابيًا تجعلها قابلة للتطبيق على أنواع مختلفة من مشكلات رؤية الكمبيوتر، كما توجد أمثلة عديدة لمتغيرات LBP إما حققت نتائج حديثة في تطبيق معين أو مكملة لـ LBP. بعد أن استلهمنا من النتائج، في هذه الأطروحة، تم اقتراح واصف متغير LBP، نهج التشابه الثنائي متعدد المقاييس. يقوم MSBS بتشفير خاصية صورة الوجه من خلال تحليل علاقات البكسل في المكونات المحددة. تم تدريب الميزات المشفرة لـ MSBS باستخدام Support Vector Machines (SVM) وتم اختبارها باستخدام مجموعات بيانات AT&T وExtended Yale B وGeorgia Tech وMNIST. تظهر النتائج أن MSBS يتفوق على معظم الأساليب المقترحة في الأدبيات. هذا هو السبب الذي يجعل من الممكن استخدام طريقة جديدة للتثبيت, أي نوع من المهارة واختبار مجموعة أدوات الضبط التلقائية التي يمكن تصنيفها من خلال تصنيف الخوارزميات الأخرى gösterir. هذه المشكلة هي أكثر فعالية من أي وقت مضى. على الرغم من تأثيره، إلا أنه لا يوجد أي خيار آخر لتصنيف المنتجات البديلة إلى فئات مختلفة، مما يسمح لك بتخصيص المزيد من الوقت. Bu yüzden doğru sınıflandırma yapabilmek için, ışıklandırma ve diger çevresel etkiler ortadan kaldırılmalıdır. إن خوارزمية شفرسيل إتكيليرين أورتادان كالديريلماسي هي عبارة عن خوارزمية كولانماكتير (LBP). LBP ışıklandırma efektinden etkilenmeyen, kolay hesaplanabilen, örneklerden çıkarılan ozellikleri başarılı bir şekilde ayırt edebilen bir görsel anahtar nokta tanımlayıcıdır. Bu yüzden LBP temelli tanımlayıcılar yılı aşkın süredir، yüz tanıma issuesini çözmek için geliştirilmektedir. LBP'nin kolay hesaplanabilme ozelliği onun funklı issuesleer uygulanabilir olmasını sağlamıştır، hatta LBP ürevlerinin frklı uygulamalarda and iyi sonuçu aldığı veya LBP ile birlikte kullanılarak، LBP'nin sınıflandırma doğruluğunu artırdığı çok örnek vardır. Bu sonuçlardan esinlenerek, bu tezde, bir LBPvariantı tanımlayıcı olan çok Ölçekli ikili Benzerlik algoritması (ÖIB) önerilmiştir. خوارزمية ÖIB tanımlayıcı، yüz resmindeki karakteristiği، seçilen alanlar içerisindeki، pikseller arasındaki ilişkiyi kodlayarak ortaya koyar. تم التحقق من ذلك من خلال شركة Destek Vektör Makinesi (SVM) وAT&T وExtended Yale B وGeorgia Tech واختبارها. خوارزمية Sonuç olarak ÖIB، literatürdeki önerilmiş yaklaşımların çoğundan daha iyi sınıflandırmıştır. |
