شناسایی حالات چهره با استفاده از یادگیری عمیق [پايان نامه فارسي]

میلاد محمدتقی زاده

شناسگر رکورد: ۱۵۹۰۹
رشته تحصیلی: مخابرات سیستم
عنوان: شناسایی حالات چهره با استفاده از یادگیری عمیق
نويسنده: میلاد محمدتقی زاده
استاد راهنما : دکتر مریم ایمانی ارانی
استاد مشاور: دکتر بابک مجیدی
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۳۹۷
چکیده: احساسات تأثیر بسزایی در تصمیمات و استدلال مسائل مختلف دارد. در تئوریهای روانشناختی حالات احساسی انسان را میتوان به شش دسته اصلی شامل : تعجب، ترس، انزجار، خشم، شادی و غم طبقهبندی کرد. شبکههای عصبی و نسخههای عمیق آن یکی از روشهای کارآمد برای دستهبندی حالت احساسی هستند. در این پژوهش دو روش پیشنهادشده است. در روش اول برای استخراج ویژگیهای مکانی از قبیل جهت و مقیاس و بافت چهره ابتدا یک فیلتر گابور بر روی تصاویر خام اعمال گردید و یک نقشه ویژگی (feature map) حاصل شد. سپس بر روی نقشه ویژگی استخراجشده، یک فیلتر گابور دیگری اعمال میشود. با این کار زیر ویژگیهای (sub-features) جدیدی حاصل میگردند. خروجی این لایه به شبکه عصبی کانولوشن دادهشده است. استخراج متوالی ویژگیها به این ترتیب، به نوعی عملکردی شبیه آنچه شبکه کانولوشن در لایههای متوالی خود انجام میدهد را فراهم میکند. به عبارت دیگر، با این روش ویژگیهایی که یک شبکه عصبی کانولوشن معمولی در لایههای خود استخراج میکند، به نوعی با استفاده از فیلتر گابور در خارج از شبکه استخراج میشود. در نتیجه این روش در مقایسه با شبکه کانولوشن ساده به مقدار ‎۶% افزایش دقت و با فرض ثابت بودن دقت به اندازه ‎۴۹۱ ثانیه افزایش سرعت یادگیری مشاهده شده است. در روش دوم ابتدا فیلتر بانک گابور بر روی پایگاه داده اعمال گردید و این مکعب ویژگیها به عنوان ورودی به شبکه کانولوشن داده میشود. در این روش حدود ‎۵ درصد افزایش دقت مشاهده میشود.
واژگان کلیدی: مهندسی برق
واژگان کلیدی: مخابرات سیستم
واژگان کلیدی: حالات چهره
واژگان کلیدی: فیلتر گابور
واژگان کلیدی: استخراج ویژگی
واژگان کلیدی: شبکه یادگیری عمیق
واژگان کلیدی: شبکه های کانولوشن
شماره ثبت جزء نسخه جلد بخش قسمت مرجع شماره بازیابی در دست امانت تاریخ بازگشت ملاحظات
223011 1
223012 2
Copyright 2025 by Payam Hannan co ltd. PayamLib.com