فهرست نشریات علمی دسترسی آزاد ایران

چهره انسان یک شی ثابت نیست و فاکتورهای متنوعی که منجر به نمایش‌های مختلف چهره می‌شــوند، وجود دارند. در الگوریتم‌های تشخیص چهره، فاکتورهای ذاتی و تصـادفی که باعث ایجاد اختلاف در ظاهر چهره می‌شوند، وجود داده‌های ناقص در پایگاه داده‌ها، حجم پایگاه داده‌ها، اختلاف در ابعاد تصاویر ذخیره شده و تغییر حالات چهره می‌توانند فرآیند تشخیص چهره را با مشکلات مختلفی روبرو سازند. ارائه روشی که بتواند این مشکلات را تا حد قابل قبولی رفع کند، می‌تواند گستره کاربرد روش‌های تشخیص چهره را افزایش دهد. در این مطالعه برای بهبود تشخیص چهره با داده‌های ناقص از یک شبکه عصبی کانولوشنی عمیق استفاده شده است. روش پیشنهادی از چند گام مختلف تشکیل شده است. در مرحله اول پس از انتخاب و استخراج داده اولیه از پایگاه داده، پیش‌پردازش اطلاعات با اعمال فیلتر، تبدیل هیستوگرام و تشخیص لبه انجام می‌شود. در مرحله دوم استخراج نقاط مهم برای هر تصویر انجام می‎‌شود. خروجی این مرحله به عنوان ورودی به الگوریتم بهینه‌سازی زنبور عسل داده شده تا برای انتخاب ویژگی‌های موثر و شناخت آنها در راستای بهینه‌سازی استفاده گردد. در نهایت از یک شبکه عصبی کانولوشنی عمیق در دو گام آموزش و آزمون برای تشخیص چهره استفاده شده است. روش پیشنهادی در محیط متلب شبیه‌سازی شده و توسط معیارهای دقت، صحت و پوشش مورد ارزیابی قرار گرفته است. نتایج به دست آمده با دقت 96.11% بیانگر بهبود تشخیص چهره نسبت به سایر کارهای انجام شده در سال‌های اخیر و همچنین کاهش هزینه در فرآیند تشخیصِ انجام شده می‌باشد.