مزيد من التعلم مع تصنيف أقل للتعرف على الوجوه
| العنوان | مزيد من التعلم مع تصنيف أقل للتعرف على الوجوه |
|---|---|
| المؤلف | بويوكتاش، باريش، إروغلو إرديم، ج.، إرديم، تانجو |
| تاريخ النشر: | 2023-05 |
| مكان النشر | - إلسفير |
| الموضوع | التعرف على الوجوه، التعلم النشط، التعلم الذاتي، الحد الأدنى من إعادة البناء المتناثر، التعلم العميق |
| النوع | دورية |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 1051-2004 |
| رقم السجل | b6c06785-edee-4440-9e14-3a35e25c2fd2 |
| موقع المكتبة | علوم الكمبيوتر |
| التاريخ | 2023-05 |
| ملاحظات | توبيتاك |
| نص عينة | في هذه الورقة، نقترح إطارًا محسّنًا للتعرف على الوجوه حيث يبدأ التدريب بمجموعة صغيرة من صور الوجوه البشرية المشروحة ثم يتم دمج الصور الجديدة في مجموعة التدريب مع الحد الأدنى من جهد التعليقات التوضيحية البشرية. من أجل تقليل جهد الشرح البشري للصور الجديدة، يجمع الإطار المقترح بين ثلاث استراتيجيات مختلفة، وهي التعلم الذاتي (SPL)، والتعلم النشط (AL)، والحد الأدنى من إعادة البناء المتناثر (MSR). كما هو الحال في إطار عمل ASPL المقترح مؤخرًا [1]، يتم استخدام SPL للتعليق التلقائي على الصور السهلة، والتي يكون المصنفون واثقين جدًا منها ويتم استخدام AL لطلب المساعدة من خبير لتعليق الصور الصعبة أو منخفضة الثقة. في هذا العمل، نقترح استخدام MSR لأخذ عينات فرعية من الصور منخفضة الثقة استنادًا إلى التنوع باستخدام الحد الأدنى من إعادة البناء المتناثر من أجل تقليل عدد الصور التي تتطلب تعليقات توضيحية بشرية. وبالتالي، يوفر الإطار المقترح تحسينًا على إطار عمل ASPL المقترح مؤخرًا [1] من خلال استخدام MSR لإزالة الصور "المشابهة" من المجموعة التي اختارتها AL للتعليقات البشرية. تظهر النتائج التجريبية على مجموعتين من البيانات واسعة النطاق، وهما CASIA-WebFace-Sub وCACD، أن الطريقة المقترحة التي تسمى ASPL-MSR يمكن أن تحقق أداءً مشابهًا للتعرف على الوجوه باستخدام بيانات مشروحة من قبل خبراء أقل بكثير مقارنةً بأحدث ما توصلت إليه التكنولوجيا. على وجه الخصوص، يتطلب ASPL-MSR تعليقًا توضيحيًا يدويًا بنسبة 36.10% و54.10% فقط من البيانات الموجودة في مجموعات بيانات CACD وCASIA-WebFace-Sub، على التوالي، لتحقيق نفس أداء التعرف على الوجه كما هو الحال عندما يتم استخدام بيانات التدريب بأكملها مع تسميات الحقيقة الأساسية. تشير النتائج التجريبية إلى أن عدد العينات المشروحة يدويًا قد انخفض بنسبة 4% و2% تقريبًا في مجموعتي البيانات مقارنةً بـ ASPL [1]. |
| DOI | 10.1016/j.dsp.2023.103915 |
| Cilt | 136 |
