بخشی از متن:
چکیده:
این مقاله یک مقیاس و یک سیستم تشخیص چهره ثابت را معرفی می کند. این سیستم از شبکه عصبی سلسله مراتبی بهره میبرد که SICoNNet نامیده میشود. که عناصر را توسط یک مکانیسم غیرخطی بازدارنده پردازش می کند. شبکه عصبی به عنوان کلاس بندی کننده چهره/غیر چهره عمل می کند که میتواند در الگوهای صفحه ای چرخشی به کار گرفته شود. برای استفاده از شبکه به عناون کلاس بندی کننده چهره چرخش ثابت، تکنیک پیشرفته خود راه انداز استفاده میشود که مانع گرایش به سمت کلاس غیر چهره می شود. علاوه بر این، پردازش مولتی رزولوشنی برای مقیاس تغییر ناپذیری استفاده میشود. هرم تصویر از طریق نمونه برداری و تشخیص چهره برای هر مقایس هرم با استفاده از آستانه تطبیقی، شکل می گیرد. معیار پایگاه داده چهره چرخشی CMU، سیستم تشخیص چهره برای آشکارسازی چرخش های ثابت چهره به کار میگیرد که باعث بروز کمتر خطاهای کاذب و دقت بالای تشخیص میشود.
فهرست مطالب:
چکیده
1- مقدمه
2- پیشینه
3- معماری SICoNNet
نرون شانتینگ
4. تشخیص چهره با چرخش ثابت
4.1. کلاس بندی صورت
آموزش خودراهانداز
نتایج تجربی و تجزیه و تحلیل عملکرد
آنالیز عملکرد کلاس بندی کننده صورت
آموزش کلاس بندی کننده صورت
چرخش ثابت در کلاس بندی کننده صورت
مقایسه آشکارساز صورت
فاقد منابع