ایتوینز: ترنسفورمر تویینز بهبود یافته برای تشخیص حالت چهره
ایتوینز: ترنسفورمر تویینز بهبود یافته برای تشخیص حالت چهره
علی محمدپزنده1 عمادالدین فاطمیزاده2
1) دانشجوی دکتری مهندسی برق دانشگاه صنعتی شریف، ایران -
2) استاد دانشیار مهندسی برق دانشگاه صنعتی شریف -
کد IOI مقاله
:
XKBA-AZGCZD
محل انتشار :
سومین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com/3rd)
چکیده :
شناسایی حالات چهره (FER) مستلزم تمایز بین تفاوتهای ظریف بصری است که آن را به یک وظیفه چالشبرانگیز طبقهبندی دقیق تبدیل میکند. این مقاله ایتوینز (ETwins)، یک معماری بهبود یافته ترنسفورمر را که به طور خاص برای شناسایی حالات چهره طراحی شده، ارائه میدهد. ایتوینز بر اساس ترنسفورمر تویینز (Twins) ساخته شده و شامل سه بهبود کلیدی است: یک لایه میانگینگیری وزنی جهانی که مناطق مهم چهره را برجسته میکند، ادغام یک توکن کلاسی برای استخراج ویژگیهای محلی و جهانی، و یک مکانیزم کدگذاری موقعیتی بهبودیافته برای جاسازی اطلاعات متنی ضروری. ارزیابیهای ما بر روی مجموعهدادههای شناختهشده FER نشان میدهد که ایتوینز با استفاده از تعداد پارامترهای کمتر، دقت بیشتری نسبت به مدلهای مرجع بزرگتر ارائه میدهد. این نتیجه کارایی ترنسفورمرهای بینایی سفارشی برای وظایف دقیق را برجسته میکند و عملکرد رقابتی در شناسایی حالات چهره را با طراحی فشرده و کارآمد از نظر پارامترها ارائه میدهد.
کلمات کلیدی : شناسایی حالت چهره ترنسفورمرهای بینایی طبقهبندی تصاویر دقیق یادگیری عمیق