جستجو
افزایش دقت سیستمهای بازشناسی چهره در شرایط نوری نامناسب با شبکههای مولد تخاصمی
زهرا روحانی1
چکیده :
بازشناسی چهره به عنوان یکی از مهمترین فناوریهای بیومتریک در دهه اخیر پیشرفتهای چشمگیری داشته است. با این حال، عملکرد این سیستمها در شرایط نوری نامناسب مانند نور کم، نور پسزمینه شدید و نور غیریکنواخت به طور قابل توجهی کاهش مییابد. این پژوهش به بررسی نقش شبکههای مولد تخاصمی در بهبود کیفیت تصاویر چهره و افزایش دقت بازشناسی در شرایط نوری چالشبرانگیز میپردازد. در این مقاله، ابتدا چالشهای اساسی سیستمهای بازشناسی چهره در شرایط نوری مختلف تحلیل شده و سپس معماریهای مختلف GAN شامل IL-GAN، EnlightenGAN، و مدلهای پیشرفته مبتنی بر توجه مورد بررسی قرار گرفتهاند. نتایج تجربی نشان میدهد که مدلهای مبتنی بر GAN با بهبود نسبت سیگنال به نویز پیک تا ۳٫۳۷ دسیبل و شاخص تشابه ساختاری تا ۰٫۰۵۷۹، دقت بازشناسی را از ۶۲ درصد در شرایط نور معمولی تا ۸۹ درصد در شرایط نوری چالشبرانگیز افزایش میدهند. همچنین، روش پیشنهادی مبتنی بر یادگیری نادیدهگیرنده نور با میانگین دقت ۹۴٫۲ درصد در مجموعه دادههای چندنوری عملکرد برتری نشان داده است. این پژوهش نشان میدهد که استفاده از مکانیسمهای توجه و معماریهای دوگانه مولد-تمیزدهنده میتواند به طور مؤثری چالش نوری نامناسب را در سیستمهای بازشناسی چهره مدیریت کند.
کلمات کلیدی : بازشناسی چهره شبکههای مولد تخاصمی شرایط نوری نامناسب افزایش کیفیت تصویر یادگیری عمیق
زبان مقاله : فارسی
محور مقاله : مهندسی و علوم کامپیوتر ( کلیه گرایش ها)
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABFHEE
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABFHEE
نمایش چکیده انگلیسی
: https://isnac.ir/SA/AAHD-ABFHEE
سایر مقالات ارائه دهنده
- افزایش دقت سیستمهای بازشناسی چهره در شرایط نوری نامناسب با شبکههای مولد تخاصمی
- تشخیص ناهنجاری در شبکه های اجتماعی با استفاده از یادگیری عمیق و گراف های توجه
- بهبود امنیت اینترنت اشیا صنعتی با استفاده از یادگیری فدرال و رمزنگاری همومورفیک
- بهینهسازی مصرف انرژی در مراکز داده ابری با استفاده از یادگیری تقویتی عمیق و پیشبینی بار کاری
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems