تحديد الوجه على أساس الشبكات العصبية

الباحث

شهد ليث عبد الغالب

المشرف

أسماء عبد الاله عبد الرحمن - فؤاد شاكر طاهر

الجامعة

الجامعة التكنولوجية

الكلية / القسم

قسم العلوم التطبيقية / العلوم التطبيقية / الرياضيات التطبيقية

الشهادة

ماجستير

السنة

2021

لغة الرسالة

انكليزي

الكلمات المفتاحية

Face detection;Neural networks;Image processing;Deep learning

تعد مشكلة عملية الكشف عن الوجوه تحدي كبير وصعب حتى اليوم عند استخدام الطرق التقليدية لما تحتويه alles صورة الوجوه من بيانات كبيرة تستغرق وقت كبير لتحليلها كما انه اضافة تقنيات الذكاء الصناعي مثل الشبكات العصبية وخوارزمياتها التقليدية هوا الاخر يحتاج لوقت كبير اثناء تحليل الصورة .كما ان مشاكل زمن التدريب الطويلة التي يتطلبها استخدام الشبكات العصبية التقليدية ومشاكل الوقوع في مصيدة الحلول الموضعية local minima .كل هذه الامور دعت الى التوجه في الفترة الاخيرة نحو استخدام خوارزميات الشبكات التلافيفية (CNN) بسبب مقدرتها الجيدة على اشتكشاف فضاءات البحث المعقدة وامتلاكها قدرة تحسين أداء التعرف على الوجوه عند تعرض الصورة للتأثيرات غير الخطية التي تتضمن تباينات الإضاءة الكبيرة. في هذا البحث ، تم التكيز على استخدام منهجية التعلم العميق لاكتشاف الوجه والتعرف عليه. لقد ركز هذا البحث بشكل أساسي على تدريب الشبكات العصبية باستخدام كميات كافية من البيانات بحيث تحقق نتائج التدريب المرغوبة. تم اقتراح بنية الشبكة العصبية التلافيفية (CNN) لمشكلة التعرف وكشف الوجوه ، مع حل قادر على التعامل مع صور الوجه التي تحتوي على تاباينات وتعبيرات وجه و إضاءة متفاوتة وتحديد معالم واجزاء الوجه بشكل تفصيلي و بشكل دقيق. لقد اعتمدت منهجية البحث الحالي على الخطوات التالية في تفيذه أولاً ، تم إاستخدام الشبكات العصبية الالتفافية وتنفيذ تطبيق التعرف على الوجوه باستخدام شبكات عصبية تلافيفية عميقة نموذج Alxnet . ثانيا ، تم إإاستخدام الشبكات العصبية الالتفافية وتنفيذ تطبيق التعرف على الوجوه باستخدام شبكات عصبية تلافيفية عميقة نموذج googleNet . بعد تحليل نتائج الشبكات العصبية وتطبيق التعرف على الوجه ، تظهر النتائج التجريبية التي تم الحصول عليها أن مقترح استخدام الشبكة العصبية التلافيفية CNN يتفوق على استخدام اي تطبيقات اخرى ، ويحقق دقة كشف والتعرف على الوجوه بمقدار 99.5 وهي تمثل في معيار الأداء أفضل نتيجة تم الحصول عليها مقارنتا مع الاعمال السابقة. كما تكمن اهمية النظام المقترح قدرته على اكمل عملية التعرف وكشف الوجه في أقل من 0.03 ثانية.

The problem of the face detection process is a great and difficult challenge even today when using traditional methods because of the large data contained in the features of the face image, which takes a large time to analyze, and the addition of artificial intelligence techniques such as neural networks and their traditional algorithms is the other, which requires a great deal of time during image analysis. The long training time required by the use of traditional neural networks and the problems of falling into the trap of local minima. All these matters have led to the recent trend towards the use of convolutional network algorithms (CNN) because of their good ability to explore complex search spaces and their ability to improve the performance of face recognition When the image is subjected to nonlinear effects that include large light contrasts. In this research, emphasis is placed on the use of deep learning methodology for face detection and recognition. This research mainly focused on training neural networks using sufficient amounts of data to achieve the desired training outcomes. A convolutional neural network (CNN) architecture has been proposed for the problem of face recognition and detection, with a solution capable of dealing with facial images that contain contrasts, facial expressions, and varying lighting, and defining the features and parts of the face in detail and accurately. The current research methodology has depended on the following steps in its implementation. First, by using convolutional neural networks and implementing the application of face recognition using convolutional neural networks deep Alxnet model. Second, bypass neural networks and a face recognition application using deep convolutional neural networks googleNet model is implemented. After analyzing the results of the neural networks and applying face recognition, the experimental results obtained show that the proposal to use the convolutional neural network CNN exceeds the use of any other applications, and achieves accuracy of detection and recognition of faces by 99.5%, which represents in the performance criterion the best result obtained Comparisons with previous works. The importance of the proposed system also lies in its ability to complete the process of recognition and face detection in less than 0.03 seconds .

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب