خویشاوندی در تصاویر با یادگیری شبکه
مقدمه
خویشاوندی در تصاویر با یادگیری شبکه
برنامه‌های کاربردی تشخیص الگو و یادگیری ماشین، مانند بازشناسی چهره، صحنه و … به وسیله کیفیت داده‌های ورودی تحت تأثیر قرار می‌گیرد.
بنابراین، مهم است که به لحاظ کمی، کیفیت تصاویر که نشان دهنده توانایی آن تصویر برای کاربرد به عنوان نمونه خوب میباشد ارزیابی گردد.
.با توجه به رشد روزافزون و حضور گسترده تصاویر دیجیتال در همه جا، داشتن روشهای کارآمد و قابل اعتماد جهت ارزیابی تصاویر ضروری میباشد. هدف از روشهای تصدیق خویشاوندی از روی تصاویر چهره بررسی خودکار در راستای نظر انسانی میباشد.
. با این حال، تعبیه چنین مکانیسمی در سیستمهای بینایی کامپیوتر یا پردازش تصویر یک کار دشوار می باشد. بنابراین روش تصدیق خویشاوندی تصویری که به طور خودکار یک اندازه گیری عینی سازگار با نتایج ذهنی انسان تولید کند، می تواند بسیار مطلوب باشد.
. در زیست شناسی، به پیوندهای ژنتیکی، خویشاوندی می‌گویند. خویشاوندی ژنتیکی عبارت است از خویشاوندی که از تولد یکی از دیگری حاصل شود و یا دو نفر که از یک منشا به وجود آمده باشند.
این موضوع که افراد با همپوشانی ژنتیکی در مقایسه با هر فرد دیگری، غالباً شباهت بیشتری به یک‌دیگر دارند سبب انگیزش توجه عظیمی از محققان زیست شناسی شده است.
چالش اصلی در تصدیق خویشاوندی از روی چهره، تشخیص عناصر تشکیل دهنده چهره، حالات و استخوان بندی صورت میباشد.
. چهره افراد جزء قابل توجه و مهم انسان است که افراد برای تشخیص یکی از دیگری بسیار به ان استناد میکنند.
انسان ها در الگو های ذهنی از ویژگی‌های متفاوتی برای قضاوت خویشاوندی استفاده میکنند. بنابراین بر اساس سن افراد، ویژگی های متفاوتی را در نظر می‌گیرند.
برای مثال:قسمت بالایی صورت بیشتر برای کودکان و قسمت پایینی صورت برای افراد بالغ در نظر گرفته میشود زیرا که قسمت پایینی صورت تا پایان سنین پس از بلوغ به طور کامل شکل نمی‌گیرد. شکل ۱ حیطه تشخیص و تصدیق را نشان می دهد.
چهره افراد جزء قابل توجه و مهم انسان است که افراد برای تشخیص یکی از دیگری بسیار به ان استناد میکنند.
تشخیص چهره به معنی آموزش یک ماشین برای تشخیص رابطه خونی بین یک جفت چهره خویشاوند و غیر خویشاوند است(این مرحله را تصدیق چهره می نامند) که بر مبنی ویژگی های استخراج شده از تصویر و به منظور تعیین میزان درجه خویشاوندی (این مرحله را شناسایی خویشاندی می نامند.
خویشاوندی در تصاویر با یادگیری شبکه
همچنین کاربرد‌های مهم و برجسته از تصدیق خویشاوندی با استفاده از چهره وجود دارد که از میان آن‌ها می‌توان از یافتن کودکان گمشده تا تحلیل شبکه‌های اجتماعی نام برد که در بیان اهمیت موضوع بارز به نظر می رسد.
از آنجایی که تصویر چهره معمولا از شرایط نه چندان دقیق به دست می آیند.
و با وجود ژست ها، حالات و سن در سناریو های مختلف، شکل تایید خویشاوندی را به شدت چالش بر انگیز می کنند.
این نکته که انسان با نگاه کردن به چهره ها میتواند، ارتباط خانوادگی را تشخیص دهد، انگیزه محققان را برای تحقیقات بیشتر برانگیخته است. در سال های اخیر بسیاری از روشهای مختلف در حوزه یادگیری متریک و یادگیری ماشین اراِئه شده‌اند.
به طور موفقیت‌آمیزی بر روی شناسایی الگوهای تشخیص صورت، تخمین سن، تشخیص فعالیت تشخیص طرز گام برداشتن، هویت‌یابی افراد .
اکثر روشهای موجود در یادگیری در مساله تصدیق خویشاوندی بر روی یادگیری یک پارامتر تمرکز دارند که بر روی یک جفت چهره اندازه گیری می شود،.
مشکل اساسی یادگیری ها،روشهای این چنینی روند بهینه‌سازی پیچیده‌ای دارند که از لحاظ محاسباتی ناکارامد و سخت است تا حدی که برای داده‌های سطح بالای دنیای واقعی به کار نمی آید و توازن بین سرعت و دقت چالشی اساسی در بحث پردازش تصاویر چهره جهت تصدیق خویشاوندی است که تاکنون به طرز مطلوبی حل نشده است.
. از جمله مسائلی که در شبکه باور عمیق از اهمیت بسزایی برخوردار است، تعیین پارامترهای مناسب براسی شبکه است.
عمومی ترین راه حل برای این مساله، طراحی الگوریتمی است که می تواند فضای پارامترها را جستجو کند و قالب مناسب را برای یادگیری ایجاد نماید.
در این تحقیق، از آنالیز مولفه اساسی به منظور تعیین پارامترهای مناسب برای شبکه باور عمیق استفاده خواهد شد و انتظار می رود با اینکار، دقت تصدیق از روی تصاویر چهره بهبود یابد.
در این تحقیق تصدیق خویشاوندی با استفاده از آنالیز مولفه اساسی و شبکه باور عمیق بررسی خواهد شد برای اینکار از تصاویر چهره در پایگاه داده استاندارد استفاده می شود.
نتیجه گیری
خویشاوندی در تصاویر با یادگیری شبکه
اکثر روشهای موجود در یادگیری در مساله تصدیق خویشاوندی بر روی یادگیری یک پارامتر تمرکز دارند که بر روی یک جفت چهره اندازه گیری می شود،.
مشکل اساسی یادگیری ها،روشهای این چنینی روند بهینه‌سازی پیچیده‌ای دارند که از لحاظ محاسباتی ناکارامد و سخت است تا حدی که برای داده‌های سطح بالای دنیای واقعی به کار نمی آید و توازن بین سرعت و دقت چالشی اساسی در بحث پردازش تصاویر چهره جهت تصدیق خویشاوندی است که تاکنون به طرز مطلوبی حل نشده است
. به طور کلی طبقه بندی یکی از مشکلترین و اساسیترین کارها در تحلیل و پردازش تصویر است. این مرحله است که موفقیت یا شکست احتمالی تحلیل تصویر را تعیین میکند. در واقع با طبقه بندی موثر در بیشتر موارد، به یک جواب قابلقبول میرسیم.
به علت اینکه دقت و بهینگی در طبقه بندی تصویر خیلی مهم میباشد در این مقاله تصدیق خویشاوندی از روی تصاویر چهره با استفاده از آنالیز مولفه اساسی و شبکه باور عمیق انجام شد.
در این مطالعه با چشم پوشی بر باورهای اعتقادی، قومیتی و انسان شناسی به خویشاوندی، تنها به دیدگاه زیست شناسی برای بررسی موضوع خویشاوندی پرداخته شده است.
در چند دهه‌ی اخیر، در جوامع زیست‌شناسی تاثیر میزان وجود ژنوم مشابه در تشابه چهره افراط، بسیار مورد بررسی قرار گرفته شده است.شواهد اخیر بیان می‌دارد که چهره عنصر با اهمیت و قابل اعتماد در اندازه گیری تشابه ژنتیکی میان افراد است .
نتایج حاصل از آزمایشات نشان می دهد که روش پیشنهادی از نظر تصدیق خویشاوندی در دو پایگاه داد مورد بحث عملکرد مناسب داشته است.
در این تحقیق با توجه به نتایج به دست آمده می توان استفاده از طبقه بند های مختلف مانند نروفازی، ماشین بردار پشتیبان و درخت تصمیم با آنالیز مولفه اساسی برای تشخیص خویشاوندی افراد در تصاویر چهره ارائه داد.
همچنین استفاده از الگوریتم های تکاملی مانند ژنتیک برای انتخاب ویژگی های بهینه برای آموزش طبقه بند پیشنهاد می شود در نهایت با تعریف ویژگی های جدید و مختلف مانند آنتروپی و یکنواختی تصاویر چهره مختلف، کارایی روش را می توان بهبود داد.
برای مشاهده مطالب بیشتر به سایت www.farzdin.ir مراجعه نماید.