سازمان جغرافیایی نیروهای مسلح

| ورود به سامانه | ثبت نام

صفحه اصلی / اولین کنفرانس ملی علوم داده و اطلاعات مکانی

شناسایی و تشخیص چهره در زمان واقعی با استفاده از شبکه عصبی YOLO و یادگیری عمیق

نویسندگان :

کوروش داداش تبار احمدی¹ مریم فردی²

1- دانشگاه صنعتی مالک اشتر 2- دانشگاه صنعتی مالک اشتر

کلمات کلیدی :

Box Bounding Deep learning, Face Detection ,Anchor box, Loss function

چکیده :

شناسایی و موقعیت‌یابی اشیا ازجمله زمینه‌های تحقیقاتی قدیمی و مهم در حوزه کامپیوتر است. شناسایی و موقعیت‌یابی اشیا در تصویر Object Detection نامیده می‌شود. یکی از مهمترین وظایف تشخیص اشیا، تشخیص چهره میباشد. به طور کلی اولین گام در تشخیص چهره، مرحله تشخیص الگو و احراز هویت افراد بوده است که در سال های اخیر، بسیار حائز اهمیت شده است، که بر پایه الگوریتم های مبتنی بر یادگیری عمیق در تشخیص اشیا استفاده میگردد. الگوریتم ها را می توان به طور کلی به دو دسته تقسیم کرد، تشخیص دو مرحله ای مانند Faster R-CNN و تشخیص یک مرحله ای مانند YOLO، اگرچه YOLO از نظر دقت به اندازه آشکارسازهای دو مرحله ای نیستند، اما در تشخیص، از عملکرد بهتری برخوردار میباشد.YOLO هنگام برخورد با اشیا با اندازه طبیعی عملکرد خوبی دارد، اما در تشخیص اشیای کوچک از توانایی کمتری برخوردار میباشد. این دقت در هنگام برخورد با اشیایی همانند صورت، که در مقیاس کوچک مورد بررسی قرار میگیرد، کاهش می یابد. برای رفع این مشکل(تشخیص مقیاس های مختلف صورت)، یک آشکارساز چهره به نام YOLO-face را بر اساس YOLOv3 پیشنهاد نموده تا بتوان عملکرد تشخیص چهره را بهبود بخشید. در این روش، برای تشخیص چهره، استفاده ازanchor box مناسب تر برای صورت و همچنین regression loss function مناسبتر را انتخاب نموده ایم. این آشکارساز به طور قابل توجهی سرعت تشخیص و دقت را افزایش داده است. این آزمایشات روی مجموعه داده های WIDER FACE و FDDB نشان می دهد که الگوریتم بهبود یافته ما بر روی YOLO و انواع آن عملکرد بهتری دارد.