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).
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 |
تصاویر Spin برجسته: نرم افزار archeozoology برای تشخیص استخوان
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 20 باستان شناسی یا باغ وحش شناسی، زمینه علمی با هدف بازسازی روابط طبیعی و فرهنگی بین انسان و حیوانات است. برای دستیابی به این هدف، باستان شناسان به بررسی بقایای فون، مانند استخوان ها می پردازند. بدین منظور، بیان 3 بعدی جسم در موقعیت انجام می شود که این کار، امکان درک بهتر از موقعیت های فضایی اولیه حیوانات در چاله ها و امکان بررسی دقیق تر فرضیه های توضیحی را با تغییر دید 3 بعدی از گودال و استخوان ها فراهم می سازد. این تغییر دید به استفاده از تکنیک های بینایی کامپیوتری، از جمله روش های تشخیص چهره سه بعدی اشاره دارد. در این کار ، یک رویکرد جدید برای تشخیص استخوان های 3 بعدی در صحنه های انعطاف پذیری و پارازیت حاصل از پیشرفت علمی به نام تصاویر اسپین استفاده شد. به منظور بهبود نیروی انعطاف پذیری و پارازیت و همچنین کاهش پیچیدگی الگوریتم، این روش را با مفهوم برتری ترکیب کردیم.
کليدواژه ها: جسم 3 بعدی | تشخیص | archeozoology | اسپین | انعطاف پذیری(جفت شدن دندانها) | پارازیت(صدای ناهنجار) | کارایی | پیچیدگی | نرخ تشخیص |
مقاله ترجمه شده |
3 |
روشهای تشخیص نفوذ در شبکههای حسگر بیسیم با استفاده از الگوریتمهای داده کاوی: ارزیابی تطبیقی (مقایسهای ) مبتنی بر تشخیص حملات
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 29 شبکههای حسگر بیسیم (WSN) از گرههای حسگر تشکیل شدهاند. آنها در منطقهای باز استقرار یافته و توسط منابع محدود مشخص شده است، WSN دچار انواع حملات، نفوذ و آسیب پذیریها میشوند. سیستم تشخیص نفوذ (IDS) یکی از مکانیزیمهای ضروری امنیت در برابر حملات WSN است. در این مقاله یک نوع ارزیابی مقایسهای از اکثر روشهای تشخیص عملکرد در IDS برای WSN ارائه میدهیم و تحلیل و مقایسهی رویکردها به طور فنی ارائه شدهاند و در ادامهی یک معرفی مختصر آمدهاند. حملات در WSN نیز ارائه شده و به چندین معیار طبقهبندی شدند. به منظور پیادهسازی و اندازهگیری عملکرد روشهای تشخیص، مجموعه داده ی خود را ارائه کردهایم که مبتنی بر KDD99 به پنج مرحله تقسیم شده اند و پس از نرمال سازی مجموعه داده، کلاسهای نرمال و پنج نوع حمله را تعیین کردیم و از مرتبطترین ویژگیها برای فرآیند طبقهبندی استفاده کردیم. ما پیشنهاد میکنیم که از CfsSubsetEval با رویکرد BestFirst به عنوان الگوریتم انتخاب ویژگی برای حذف مشخصههای بیش از حد استفاده شود. نتایج تجربی نشان میدهند که روشهای جنگل تصادفی، بالاترین نرخ تشخیص را ارائه می کنند و میزان هشدار خطا را کاهش میدهند. در نهایت، مجموعهای از اصول بدست آمده است که باید در پژوهشهای آینده برای پیاده سازی IDS در WSNها مطلوب باشد. به منظور کمک به پژوهشگران برای انتخاب IDS برای WSN، چندین توصیه برای جهتهای پژوهشی آینده در این مقاله ارائه شده است.
کلمات کلیدی: شبکهی حسگر بیسیم | تشخیص انحراف | سیستم تشخیص نفوذ | طبقهبندی | KDD99 | وکا |
مقاله ترجمه شده |
4 |
تشخیص چهره بر اساس Kinect
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 11 - تعداد صفحات فایل doc فارسی: 34 در این مقاله، الگوریتم جدیدی ارائه می دهیم که از داده های کم کیفیت قرمز، سبز، آبی و عمق (RGB-D) حاصل از حسگر Kinect برای تشخیص چهره تحت شرایط چالش برانگیز استفاده می کند. این الگوریتم چندین مشخصه استخراج کرده و آنها را در سطح مشخصه تلفیق می کند. روش تلفیق مشخصۀ بهتر که اطلاعات اضافی را حذف کرده و فقط مشخصات مهم را برای حداکثر تفکیک کلاسی ممکن حفظ می کند، توسعه داده شده است. همچنین پایگاه دادۀ چهرۀ 3D جدیدی را که از حسگر Kinect به دست آمده و برای جامعۀ پژوهشی عرضه شده است، ارئه می کنیم. این پایگاه داده شامل بیش از 5000 تصویر چهره (RGB-D) از 52 نفر با ژست ها، حالات، شدت نور و پوشش های مختلف می باشد. بر اساس سه تغییر اول و فقط با استفاده از داده های نویزی عمق، الگوریتم پیشنهادی می تواند به نرخ تشخیص 72.5% برسد که به طور قابل توجهی بیشتر از 41.9% است که روش مبنای LDA به آن رسیده است. تحت تغییرات شدت نور، ژست و حالت و با ترکیب با اطلاعات الگو، نرخ تشخیص 91.3% به دست آمده است. این نتایج به امکان استفاده از حسگرهای 3D ارزان برای تشخیص چهرۀ بلادرنگ اشاره می کند.
کلمات کلیدی: تشخیص چهره | حسگر Kinect، تصاویر چهرۀ سه بعدی | مشخصۀ Gabor | LDA |
مقاله ترجمه شده |