دانلود پروپوزال رویکرد جدیدی برای تشخیص چهره مستقل از حالت سر با استفاده از سیستم توصیفگر بر اساس فیلترهای گابور |
|||
|---|---|---|---|
| عنوان فارسی پروپوزال | رویکرد جدیدی برای تشخیص چهره مستقل از حالت سر با استفاده از سیستم توصیفگر بر اساس فیلترهای گابور | ||
| عنوان انگلیسی پروپوزال | A new approach to face-independent face detection using a descriptor system based on Gabor filters | ||
| سال نگارش | 2021 | ||
| مقاله بیس | https://link.springer.com/article/10.1007/s11045-020-00733-0 | ||
| دانلود مقاله بیس | کلیک جهت مشاهده مقاله بیس | ||
| رشته | کامپیوتر و برق | ||
| قالب فایل | Word | ||
این پروپوزال دارای مقاله بیس میباشد که قابل مشاهده و دانلود می باشد:
https://safirdep.com/wp-content/uploads/2022/06/Gravitational-search%E2%80%91based-optimal-deep-neural-network.pdf
فهرست مطالب پروپوزال رویکرد جدیدی برای تشخیص چهره مستقل از حالت سر با استفاده از سیسیتم توصیفگر بر اساس فیلترهای گابور
- بیان مساله اساسی تحقیق تشخیص فعالیت در خانه هوشمند
- اهمیت و ضرورت انجام تحقیق
- مرور ادبیات و سوابق مربوطه
- جنبه جدید بودن و نوآوری در تحقیق
- اهداف مشخص تحقیق
- فرضیه های تحقیق
- روش شناسی تحقیق
- شرح کامل روش (میدانی، کتابخانهای) و ابزار
- جامعه آماری، روش نمونه گیری و حجم نمونه
- روش‌ها و ابزار تجزیه و تحلیل داده ها
- مراجع
بیان مساله
تشخیص چهره در طبیعت همچنان به عنوان یک مشکل چالش‌برانگیز باقی مانده است. درتشخیص چهره ، تصاویر به صورت جفت ارائه می شوند و وظیفه این است که بررسی کنیم متعلق به افراد یکسان یا افراد مختلف است. تشخیص چهره اخیراً به دلیل گستردگی اطلاعات و دیتاها ، محبوبیت زیادی کسب کرده است.
کاربردهای این کار در حوزه های جستجو و تشخیص اعتبار مانند حوزه های سرگرمی ، تعامل ماشین انسان ، امنیت ، و نظارت تصویری ، کنترل دسترسی به برنامه های تشخیص اعتبار کاربر در تجارت الکترونیکی ، بهداشت الکترونیکی و خدمات الکترونیکی است. چالش های بسیاری در برخورد با این برنامه های کاربردی ذکر شده مانند تغییر در روشنایی ، تغییر در مقیاس ، مکان ، موقعیت و جهت گیری وجود دارد. علاوه بر این ، بیان صورت ، تزئینات صورت ، انسداد جزئی و شرایط نور باعث تغییر ظاهر کلی می شود و تشخیص چهره ها را سخت تر می کند.[۱]
تشخیص چهره واقعاً مجموعه ای از چندین مشکل مرتبط شامل تشخیص چهره ، عادی سازی صورت ، استخراج ویژگی و تطبیق ویژگی ها می باشد. به عنوان یک انسان ، مغز شما تمام این کارها را بصورت خودکار و فوری انجام می دهد. رایانه ها حداقل هنوز قادر به این نوع تعمیم سطح بالا نیستند ، بنابراین ما باید به آنها یاد دهیم که چگونه می توانند در این فرآیند به طور جداگانه انجام دهند. برای انجام این کار ، باید خط لوله احداث کنیم که هر مرحله از تشخیص چهره را جداگانه حل کنیم و نتیجه مرحله فعلی را به مرحله بعدی منتقل کنیم[۲]
از این رو، مسئله تشخیص چهره مبتنی بر رایانه با استفاده از اطلاعات جزئی به عنوان شاخص هنوز هم تا حد زیادی یک حوزه تحقیق ناشناخته است. با توجه به این که به طور ذاتی انسانها و رایانه ها در تشخیص چهره و احراز هویت متفاوت هستند، باید جالب و جذاب باشد که بدانند یک رایانه زمانی که با یک چالش تشخیص چهره روبرو می شود چگونه به اجرای مختلف صورت توجه می کند.[۳] از طرف دیگر توانایی الگوریتم های تشخیص چهره مبتنی بر ماشین برای داشتن عملکرد
برخی از مراجع
- Yuan, Yongqin, and Fengming Liu. “Rumor Situation Recognition Based on Multifractals.” Fractals ۲۷٫۰۳ (۲۰۱۹): ۱۹۵۰۰۲۷٫
- AYECHE, Farid, Adel ALTI, and Abdallah BOUKERRAM. “Improved Face and Facial Expression Recognition Based on a Novel Local Gradient Neighborhood.” Journal of Digital Information Management ۱۸٫۱ (۲۰۲۰): ۳۳٫
- Schwarz, Christopher G., et al. “Identification of anonymous MRI research participants with face-recognition software.” New England Journal of Medicine ۳۸۱٫۱۷ (۲۰۱۹): ۱۶۸۴-۱۶۸۶٫
- Dai, Kaoshan, et al. “Machine vision-based concrete beam crack pattern identification using fractal theory.” Nondestructive Characterization and Monitoring of Advanced Materials, Aerospace, Civil Infrastructure, and Transportation XIII. Vol. 10971. International Society for Optics and Photonics, 2019.
دانلود پروپوزال در مورد شبکه عصبی
دانلود پروپوزال در مورد تشخیص فعالیت با استفاده از شبکه عصبی کانولوشن
دانلود پروپوزال تشخیص فعالیت در خانه هوشمند
نقد و بررسی‌ها
هیچ دیدگاهی برای این محصول نوشته نشده است.