چكيده:اين مقاله يك مقياس و يك سيستم تشخيص چهره ثابت را معرفي مي كند. اين سيستم از شبكه عصبي سلسله مراتبي بهره مي‌برد كه SICoNNet ناميده مي‌شود. كه عناصر را توسط يك مكانيسم غيرخطي بازدارنده پردازش مي كند. شبكه عصبي به عنوان كلاس بندي كننده چهره/غير چهره عمل مي كند كه ميتواند در الگوهاي صفحه اي چرخشي به كار گرفته شود. براي استفاده از شبكه به عناون كلاس بندي كننده چهره چرخش ثابت، تكنيك پيشرفته خود راه انداز استفاده مي‌شود كه مانع گرايش به سمت كلاس غير چهره مي شود. علاوه بر اين، پردازش مولتي رزولوشني براي مقياس تغيير ناپذيري استفاده مي‌شود. هرم تصوير از طريق نمونه برداري و تشخيص چهره براي هر مقايس هرم با استفاده از آستانه تطبيقي، شكل مي گيرد. معيار پايگاه داده چهره چرخشي CMU، سيستم تشخيص چهره براي آشكارسازي چرخش هاي ثابت چهره به كار مي‌گيرد كه باعث بروز كمتر خطاهاي كاذب و دقت بالاي تشخيص مي‌شود.
فهرست مطالب:چکیده
1- مقدمه
2- پيشينه
3- معماري SICoNNet
نرون شانتينگ
4. تشخيص چهره با چرخش ثابت
4.1. كلاس بندي صورت
آموزش خودراه‌انداز
نتايج تجربي و تجزيه و تحليل عملكرد
آناليز عملكرد كلاس بندي كننده صورت
آموزش كلاس بندي كننده صورت
چرخش ثابت در كلاس بندي كننده صورت
مقايسه آشكارساز صورت
فاقد منابع
برچسب ها:
شبكه سلسله مراتبي پروژه سلسله مراتبی شبکه تشخيص چهره شبكه عصبي سلسله مراتبي شبکه SICoNNet شبكه عصبي تشخیص چهره تشخیص چهره با روش سلسله مراتبي تشخیص چهره با SICoNNet دانلود مقاله تشخصی چهره معماری شبکه تشخیص چهره چهره چرخشي CMU