وبلاگ دیجی پروژه

پروژه و ترجمه های هوش مصنوعی

وبلاگ دیجی پروژه

پروژه و ترجمه های هوش مصنوعی

وبلاگ دیجی پروژه

دیجی پروژه را در کانال تلگرام دیجی پروژه دنبال نمایید
https://telegram.me/DigiProjects

آخرین نظرات

۱ مطلب با کلمه‌ی کلیدی «یادگیری آنلاین» ثبت شده است

۲۹
اسفند

یادگیری آنلاین بر پایه الگوریتم بوستینگ در کاربرد تشخیص چهره

Boosted Online Learning for Face Recognition

این پروژه پیاده سازی مقاله الگوریتم Boosted Online Learning for Face Recognition بوده که اصل مقاله به زبان اصلی را می توانید بصورت رایگان از طریق لینک ذیل دانلود نمایید.

دانلود اصل مقاله

این پروزه شامل کد برنامه به زبان متلب (کد برنامه حدود 80 در صد متناسب با مقاله است) و یک ترجمه بسیار عالی از خود مقاله چه از نظر مفهومی و چه از نظر نگارشی در قالب فایل word (قابل ویرایش) و همچنین گزارش مختصری در مورد کد برنامه در قالب فایل PDF می باشد.

قابل ذکر است در پیاده سازی این مقاله از پایگاه داده Jensen که شامل 15000 نمونه تصویر چهره از غیره چهره می باشد استفاده نمودیم، اندازه تصاویر در ابعاد 24*24 می باشد و بدلیل حجم زیاد دیتابس، دیتابس بصورت یک mat فایل در پوشه برنامه قرار گرفته است. این برنامه داری واسط گرافیکی بصورت شکل ذیل می باشد ، خروجی که این پیاده سازی دارد ارائه تشخیص تک به تک تصاویر با نمایش عدد 1 (در صورت چهره بودن) و -1(در صورت غیره چهره بودن) ، درصد دقت تشخیص و همچنین زمان اجرای برنامه را بعنوان خروجی برمیگرداند.

برای ورودی برنامه می توانید تعداد داده ها و همچنین درصد داده های ترین و تست رو مشخص کنید.

دریافت کد برنامه و گزارش برنامه ( ایمیل خود را با دقت وارد نمایید چون بعد از خرید، فایل به ادرس ایمیل ذکر شده ارسال خواهد شد)

قیمت : 20000 تومان

چکیده مقاله :

برنامه های کاربردی تشخیص چهره از سه مشکل معمول برخوردار هستند: 1-کاهش مجموعه آموزشی، 2- اطلاعاتی که در فضایی با ابعاد زیاد نهفته است و 3- نیازی که به شناسایی چهره افراد جدید می باشد. در مطالعات اخیر، دسته بندی کننده های چهره به منظور پوشش دادن چهره جدید در مدل، این مسئله را با تکنیکهای استخراج ویژگی آنلاین حل نموده اند.

در این مقاله الگوریتم بوستینگ آنلاین معرفی شده است: که یک روش دسته بندی کنندۀ تشخیص چهره بر پایه بوستینگ را توسعه داده است، بدین صورت که با اضافه شدن یک کلاس جدید، از نیاز به آموزش مجدد دسته بندی کننده در هر بار اضافه شدن فرد جدید به سیستم، جلوگیری می کند. دسته بندی کننده با استفاده از اصل یادگیری چند وظیفه ای آموزش داده می شود. کلاسهای جدیدی که به سیستم وارد می شوند، از مزایای ساختار آموزش دیده قبلی استفاده خواهند کرد، و اضافه شدن این کلاس های جدید، نیازی به محاسبات تکراری نخواهد داشت.