👈فول فایل فور یو ff4u.ir 👉

ارتباط با ما

دانلود



پروژه جهت کسب درجه دکتری برق - مخابرات با عنوان شناسايي چهره از طريق يادگيري پايه هاي محلي بهينه ( ّFace Recognition through Optimal basis Learning ) آماده دریافت می باشد.
چکیده
در این پروژه با نگاه موشکافانه به نقصانهای روشهای خود کار شناسایی چهره و الهام از رفتار فرصت طلبانه سیستم شناسایی انسان، یک راهکار جدید برای مدلسازی محلی منیفولد چهره با نام پایه های محلی بهینه ارائه خواهد شد. امروزه روشهای یادگیری آماری متداولترین راهکارهای شناسایی چهره به شمار می آیند. در یک نگاه کلان این روشها از یک نقصان بزرگ رنج می برند. ثابت شده است که با انتخاب هوشمندانه زیرمجموعه ای از فضای چهره تولید شده توسط الگوریتمهای یادگیری آماری، می توان به توصیف های مناسبتری برای منیفولد چهره رسید. اما نقصان بزرگ آن است که در تمامی روشهای ارائه شده تنها یک زیرفضای ثابت (مجموعه ویژگی) برای توصیف تمام منیفولد چهره معرفی میشد و راهکاری پیشنهاد نشده است تا بتوان تعدادی زیرفضای مناسب برای تکه های مختلف منیفولد چهره انتخاب نمود. از سویی دیگر ارائه توصیفهای محلی از منیفولد چهره مسیر تحقیقاتی دیگری است که مورد توجه برخی از پژوهشگران قرار گرفته است. راهکارهای ارائه شده در این زمینه با استفاده از روشهای خوشه بندی، تصاویر چهره را به دسته هایی تقسیم می کنند و سپس برای برای هر خوشه از تصاویر، یک فضای چهره طراحی میشود. ایراد اساسی که به این روشها وارد است عدم وجود مکانیزم مناسب و مستدلی برای خوشه بندی تصاویر است. به عنوان مثال قرار دادن تصاویر اخذ شده از یک زاویه سر الزاماً نمیتواند به تولید فضایی مناسب برای شناسایی توسط ماشین منجر شود. مجموعه این آگاهیها انگیزه ای شد برای تأمل و تفکر و در نهایت طراحی یک ماشین یادگیری برای شناسایی چهره و رسیدن به نقطه کنونی.
پایه های محلی بهینه یک مجموعه نگاشت غیرایزومتریک برای تقریب محلی منیفولد چهره هستند که با استفاده از یادگیری تقویتی - که نوع خاصی از روشهای یادگیری شبه سرپرستی ( Semi‐Supervised ) است - حاصل میشوند. در پایه های محلی بهینه، انتخاب نگاشتهای غیرایزومتریک با هدف بیشینه کردن قدرت تفکیک پذیری کلاسهای مجاور در فضای چهره صورت می پذیرد. استفاده از یادگیری تقویتی و مدلسازی مسأله انتخاب نگاشتها با فرآیند تصمیم گیری مارکف، عمل انتخاب نگاشتهای غیر ایزومتریک را ساده تر می نماید و حجم جستجوها را کاهش می دهد. الگوریتم پایه های محلی بهینه نه تنها ویژگیهای غالب را برای تکه های مختلف منیفولد چهره به صورت خودکار می یابد بلکه مکانیزم مناسبی برای مقایسه شباهت در فضاهایی که از لحاظ ابعاد و نوع ویژگیها یکسان نمی باشند ارائه می نماید.
پس از توصیف الگوریتم پایه های محلی بهینه، این روش شناسایی را از منظر ادبیات و دانش انتخاب ویژگی مورد بررسی قرار خواهیم داد. خواهیم دیدیم که الگوریتم پایه های محلی بهینه به مجموعه روشهای پوشه در انتخاب ویژگی تعلق دارد و قرابت زیادی با روشهای انتخاب مستقیم در ادبیات انتخاب ویژگی دارد. همچنین شباهتها و تفاوتهای الگوریتم پایه های محلی بهینه با کمیته های یادگیری و روشهای محلی یادگیری منیفولد را بررسی خواهیم کرد.
با انجام شبیه سازیهای مختلف به بررسی کارایی الگوریتم پایه های محلی بهینه در شرایط مختلف تصویربرداری خواهیم پرداخت. برای آنالیز کارایی الگوریتم پایه های محلی بهینه از دو معیار نرخ صحیح شناسایی و منحنی های امتیاز تجمعی شناسایی استفاده خواهیم کرد. با بررسی رفتار الگوریتم پیشنهادی در فضاهای مختلف چهره خواهیم دید که الگوریتم پایه های محلی بهینه مستقل از نوع ویژگیهای ورودی قادر به بهبود کیفیت شناسایی است. سپس با مقایسه الگوریتم پیشنهادی با روشهای کارا و نوین شناسایی چهره که از ایده هایی مشابه استفاده می کنند، نشان خواهیم داد که الگوریتم پیشنهادی از طیف وسیعی از روشهای کارا و بروز شناسایی چهره، قابل تر و کاراتر است.
در نهایت نیز خواهیم دید که بر خلاف بسیاری از الگوریتمهای کنونی شناسایی چهره، با تعمیم الگوریتم پایه های محلی بهینه میتوان از آن در مسائلی که محیط شناسایی در آن پویا است استفاده نمود. به طور خاصی دو منشا تغییر در محیط را مورد بررسی قرار خواهیم داد، نخست به بررسی تغییرات ناشی از اضافه نمودن کلاسهای جدید به محیط تحت یادگیری افزایشی می پردازیم. سپس توجه خود را به حالتی معطوف می کنیم که به واسطه کسب دانش جدید، فضای ویژگی پایه های محلی بهینه افزایش پیدا می کند. در این حالت با استفاده از یادگیری تدریجی (که مفهومی جدید در حوزن شناسایی چہرہ است) میتوان دانش اکتسابی گذشته را اصلاح نمود.
فهرست مطالب
 
 
ديباچه
مقدمه
فصل اول : روشهای شناسایی چهره
مقدمه
1-1 معرفي سيستم خودكار شناسايي چهره
2-1 روشهاي مدل گرا
3-1 روشهاي ظاهر گرا
1-3-1 آناليز اجزاي اصلي ( PCA )
2-3-1 آناليز تفكيك پذيري خطي ( LDA )
3-3-1 آناليز اجزاي مستقل ( ICA )
4-3-1 يادگيري منيفولد
5-3-1 ماشينهاي هسته
6-3-1 آناليز تنسور
4-1 آيا شدت روشنايي پيكسلها بهترين انتخاب براي توصيف چهره است؟
5-1 از بيولوژي شناسايي چهره چه مي دانيم؟
6-1 مقايسه برخي از روشهاي شناسايي چهره
فصل دوم : پايه هاي محلي بهينه
مقدمه
1-2 انگيزه
1-1-2 منظر اول : رفتار فرصت طلبانه
2-1-2 منظر دوم : انتخاب ويژگيهاي غالب
3-1-2 منظر سوم : تركيب طبقه بندي كنندهها و مدل سازي محلي منيفولد
2-2 پايه هاي محلي بهينه
1-2-2 تعريف
2-2-2 مدل محيط
3-2-2 طراحي سيگنال پاداش
4-2-2 انتخاب اعمال
5-2-2 چيدن تكه هاي پازل يادگيري در كنار هم
6-2-2 مرتب كردن ويژگيها از روي جداول Q
7-2-2 انتخاب ويژگيهاي غالب
3-2 طبقه بندي كننده پايه هاي محلي بهينه
جمع بندی
فصل سوم : آزمايشها و نتايج
مقدمه
1-3 بررسي رفتار پايه هاي محلي بهينه درفضاهاي مختلف چهره
1-1-3 آزمايش بر روي بانك داده CAS‐PEAL‐R1 
2-1-3 آزمايش بر روي بانك داده PIE
3-1-3 3 آزمايش بر روي بانك داده AR
4-1-3 آزمايش بر روي بانك داده ORL
5-1-3 آزمايش بر روي بانك داده YALE
2-3 مقايسه با روشهاي نوين و كارآمد شناسايي چهره
1-2-3 الگوريتم SDA
2-2-3 الگوريتم enLDA
3-2-3 الگوريتم rsLDA
4-2-3 4 مقايسه بر روي بانك داده ORL و YALE
3-3 بررسي منحني هاي امتياز تجمعي شناسايي ( CMR )
جمع بندی
فصل چهارم : پايه هاي محلي بهينه ، بحثهاي تكميلي
مقدمه
1-4 پايه هاي محلي بهينه مرتبه دوم
2-4 تنظيم پارامترهاي الگوريتم يادگيري
3-4 پيچيدگي محاسباتي پايه هاي محلي بهينه
1-3-4 پيچيدگي يادگيري پايه هاي محلي بهينه
2-3-4 پيچيدگي دسته بندي پايه هاي محلي بهينه
4-4 ايده هايي براي تعميم الگوريتم پايه هاي محلي بهينه
5-4 پايه هاي محلي بهينه و تشخيص اجسام
6-4 پايه هاي محلي بهينه و الگوريتمهاي يادگيري منيفولد
7-4 پايه هاي محلي بهينه و انتخاب ويژگي
8-4 پايه هاي محلي بهينه و كميته هاي يادگيري
9-4 حركت به سمت توصيفهاي عمومي تر و يادگيري با همكاري
10-4 تلفيق فضاهاي ويژگي
جمع بندی
فصل پنجم : يادگيري افزايشي و يادگيري تدريجي
مقدمه
1-5 پايه هاي محلي بهينه تعميم يافته
1-1-5 معيار خود شباهتي
2-1-5 exOLB هاي تقريباً مشابه
2-5 يادگيري افزايشي
1-2-5 الگوريتم يادگيري افزايشي
3-5 يادگيري تدريجي
1-3-5 الگوريتم يادگيري تدريجي
4-5 شبيه سازيهاي انجام شده
1-4-5 يادگيري افزايشي
2-4-5 يادگيري تدريجي
جمع بندی
فصل ششم : جمع بندي و نتيجه گيري
پيوست
1 بانك داده AR
2 بانك داده CAS-PEAL
3 بانك داده CMU-PIE
4 بانك داده ORL
5 بانك داده UMIST
6 بانك داده YALE
7 بانك داده YALE-B
8 بانك داده FERET
مراجع
 
 

👇 تصادفی👇

قالب فوق العاده زیبای کامپیوترتهیه ربات هوشمند با کمترین هزینهاقدام پژوهی افزایش علاقه به درس تاریخمتد اموزشی پیانو جلد 4 -- Suzuki Piano School: Vol 04دانلود نقشه شیب استان تهرانکارآفرینی شركت توليدي فرقان شيميبررسی تاثیر نوع اجزای بستر کشت بر تعداد و متوسط وزن اندام بارده در قارچ صدفی درختی ✅فایل های دیگر✅

#️⃣ برچسب های فایل

دانلود

خرید اینترنتی

👇🏞 تصاویر 🏞