دانلود و نمایش مقالات مرتبط با شباهت کسینوسی::صفحه 1
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

نتیجه جستجو - شباهت کسینوسی

تعداد مقالات یافته شده: 2
ردیف عنوان نوع
1 تشخیص چهره عمیق با استفاده از داده های ناقص صورت
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 13 - تعداد صفحات فایل doc فارسی: 39
امروزه تشخیص چهره مبتنی بر کامپیوتر یک مکانیسم بالغ و قابل اطمینان است که به طور عمده برای بسیاری از سناریوهای کنترل دسترسی مورد استفاده قرار می گیرد. به این ترتیب که تشخیص چهره یا احراز هویت عمدتا با استفاده از داده های کامل از تصاویر جلوی صورت انجام می شود. اگرچه ممکن است در عمل کمتر این مورد پیش بیاید، اما موقعیت های متعددی وجود دارد که ممکن است تصاویر کامل جلوی صورت در دسترس نباشد - تصاویر چهره ناقص که اغلب از دوربین های مدار بسته می آیند، شامل این موارد هستند. از این رو، مسئله تشخیص چهره مبتنی بر رایانه با استفاده از اطلاعات جزئی به عنوان شاخص هنوز هم تا حد زیادی یک حوزه تحقیق ناشناخته است. با توجه به این که به طور ذاتی انسانها و رایانه ها در تشخیص چهره و احراز هویت متفاوت هستند، باید جالب و جذاب باشد که بدانند یک رایانه زمانی که با یک چالش تشخیص چهره روبرو می شود چگونه به اجرای مختلف صورت توجه می کند. در این کار، ما این پرسش را بررسی میکنیم که ایده تشخیص چهره با استفاده از اطلاعات جزئی صورت را در بر می گیرد. ما این مسئله را با استفاده از آزمایش های جدید برای تست عملکرد یادگیری ماشین با استفاده از تصاویر جزئی چهره و دستکاری های دیگر در تصاویر چهره مانند چرخش و زوم، که به عنوان سرنخهای آموزش و تشخیص استفاده شده است، مورد بررسی قرار دادیم. به طور ویژه، ما میزان تشخیص را با توجه به قسمت های مختلف صورت مانند چشم ها، دهان، بینی و گونه مطالعه می کنیم. ما همچنین به بررسی تشخیص چهره با چرخش صورت و بزرگنمایی تصویر صورت پرداختیم. آزمایشات ما بر اساس استفاده از معماری مبتنی بر شبکه عصبی پیچشی پیشرفته با مدل VGG-Face آموزش دیده از قبل است که از طریق آن ویژگی ها را برای یادگیری ماشین استخراج می کنیم. سپس از دو طبقه بند، يعني شباهت کوسینوسی و ماشین های بردار برای بررسی نرخهای تشخیص استفاده مي شود. ما آزمایش های ما را روی دو مجموعه داده عمومی که شامل FEI کنترل شده برزیل و مجموعه داده کنترل نشده LFW هستند انجام دادیم. نتایج ما نشان می دهد که بخش های منحصر به فرد چهره مانند چشم ها، بینی ها و گونه ها دارای نرخ تشخیص کم هستند، اما زمانی که بخش های فردی صورت ترکیب شده به عنوان شاخص معرفی می شوند، میزان تشخیص به سرعت در حال افزایش است.
کلمات کلیدی: تشخیص چهره | شبکه های عصبی کانولوشنال | یادگیری عمیق | شباهت کسینوسی
مقاله ترجمه شده
2 تحلیل تفکیک و اندازه گیری شباهت
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 35
اندازه گیری شباهت کسینوسی معمولا بعد از تحلیل تفکیک در تشخیص الگو اعمال می شود. این مقاله ابتدا تحلیل می کند که چرا شباهت کسینوسی به ایجاد اتصال بین شباهت کسینوسی مبتنی بر قانون تصمیم در چارچوب تحلیل تفکیک و قانون تصمیم بیزین برای مینیمم خطا ترجیه داده شده است. این مقاله سپس چالش های ذاتی شباهت کسینوسی را بررسی کرده و یک شباهت جدید را ارائه می دهد که بر این چالش ها فائق آید. مشارکت این مقاله در سه مرحله است. اول، کاربرد شباهت کسینوسی بعد از تحلیل تفکیک برای داشتن ریشه های نظری آن در قانون تصمیم بیزین کشف شده است. دوم، بعضی از مسائل ذاتی شباهت کسینوسی مثل ناکفایتی آن در اشاره به اندازه گیری های فاصله و زاویه ای بحث شده است. در نهایت، یک اندازه گیری شباهت جدید، که با ادغام قدرمطلق اندازه گیری زاویه و نورم lp (اندازه گیری فاصله) بر مسائل فوق غلبه می کند، برای فرایند تشخیص الگو پیشنهاد شده است. تأثیر اندازه گیری شباهت جدید معرفی شده در چارچوب تحلیل تفکیک با استفاده از یک مقیاس بزرگ بزرگ، مسئله ی چالش برانگیز بزرگ، با نام مسئله ی چالش بزرگ تشخیص چهره (FRGC) ارزیابی می شود. نتایج آزمایشی با استفاده از 36818 تصویر FRGC بر روی آزمایش FRGC بسیار چالش برانگیز، آزمایش 4 FRGC، نشان می دهند که انرازه گیری شباهت جدید فرایند تشخیص چهره را در مقایسه با دیگر اندازه گیری های محبوب، مانند اندازه گیری شباهت کسینوسی، ارتباط نرمال شده، و اندازه گیری فاصله ی اقلیدسی بهبود می بخشد.
کلمات کلیدی: قانون تصمیم بیزین | اندازه گیری شباهت کسینوسی | تحلیل تفکیک | تشخیص چهره | چالش بزرگ تشخیص چهره (FRGC) | اندازه گیری شباهت جدید | ارتباط نرمال شده | تشخیص الگو.
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 4054 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 4054 :::::::: افراد آنلاین: 65