در این روش نیز، پس از محاسبه بردارهای ویژگی مربوط به تصاویر موجود در پایگاه داده، مقدار ۷۰ درصد این بردارها را به صورت تصادفی به عنوان مجموعه آموزش و ۳۰ درصد باقیمانده را به عنوان مجموعه آزمایش استفاده می­کنیم. حال برای دسته­بندی ویژگی­های استخراج شده از شبکه عصبی MLP با مشخصات ذکر شده در جدول (۴-۳) استفاده می­کنیم.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

جدول (۴-۳): مشخصات مربوط به شبکه عصبی MLP استفاده شده جهت دسته بندی ویژگی­ها در روش
(“BA-MLP”)

نحوه آموزش تابع فعال­ساز معیار توقف آموزش تعداد
نرون­های لایه ورودی		 تعداد
لایه/ نرون
مخفی		 تعداد
نرون­های خروجی
حالت افزایشی تابع سیگموید بر اساس میزان خطا ۱ + ۶۵ نرون ۱ لایه مخفی
۱ + ۳۰ نرون		 ۴۰ نرون

پس از شبیه­سازی این روش در محیط نرم­افزار متلب و اجرای آن، به نمایش نمودارهای خطای موثر دسته بندی شبکه عصبی MLP مربوط به دو مرحله آموزش و آزمایش در شکل (۴-۴) می­پردازیم.

شکل (۴-۴): نمودارهای خطای موثر دسته بندی شبکه عصبی MLP در روش (“BA-MLP”)
همانطورکه در شکل (۴-۴) مشاهده می­کنید، صحت بازشناسی مربوط به تصاویر شفاف مجموعه آزمایش این روش پس از طی شدن ۳۰۰۰ دوره­ آموزش به ۹۴٫۳۴۱ درصد رسیده است.
روش بازشناسی چهره مبتنی بر مقادیر ویژه حاصل از تصاویر چهره (“EF”)
در این روش ابتدا اطلاعات مربوط به مقادیر ویژه هر تصویر (از هر تصویر تعداد ۲۸۰ مقدار ویژه) را به عنوان ویژگی استخراج می­کنیم. سپس اطلاعات مربوط به تعداد هفت تصویر از هر شخص موجود در پایگاه داده را در فضای ویژگی قرار می­دهیم. حال در هنگام بازشناسی تصویر چهره ورودی، پس از استخراج ویژگی از این تصویر به محاسبه فاصله اقلیدسی[۲۹] مابین این بردار ویژگی با هریک از بردارهای ویژگی مربوط به تصاویر پایگاه داده می­پردازیم. در نهایت نزدیک­ترین بردار ویژگی از بین بردارهای ویژگی را به عنوان دسته متناظر با تصویر ناشناس معرفی می­کنیم.
پس از شبیه­سازی این روش در محیط نرم­افزار متلب و اجرای آن، به صحت بازشناسی % ۹۱٫۶۵۷، برای بازشناسی میزان ۳۰ درصد (از هر شخص سه تصویر به عنوان مجموعه آزمایش) از تصاویر شفاف پایگاه داده رسیدیم.
پس از شبیه­سازی این سه روش بازشناسی چهره (روش بازشناسی چهره مبتنی بر تبدیل موجک و شبکه عصبی MLP، روش بازشناسی چهره مبتنی بر روش میانگین بلوکی و شبکه عصبی MLP، و روش بازشناسی چهره مبتنی بر مقادیر ویژه حاصل از تصاویر چهره) حال در انتها نتایج مربوط به نرخ بازشناسی تصاویر چهره هر یک از این سه روش را در جدول (۴-۴) نمایش می­دهیم.
جدول (۴-۴): نتایج حاصل از شبیه­سازی سه روش بازشناسی چهره “EF” ,“ WT - MLP”, “BA – MLP”

نرخ بازشناسی (%) روش بازشناسی چهره
۶۵۷/۹۱ “EF”
موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...