فایل ورد کامل بازسازی سه بعدی و تشخیص چهره با استفاده از تحلیل مولفه مستقل مبتنی بر هسته و شبکه های عصبی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل بازسازی سه بعدی و تشخیص چهره با استفاده از تحلیل مولفه مستقل مبتنی بر هسته و شبکه های عصبی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۸ صفحه

الگوریتم های طبقه بندی و انتخاب ویژگی های غیر خطی مبتنی بر هسته جزء دستورالعمل های پژوهش های رایج جدید در یادگیری ماشینی می باشد. در این مقاله، برای بازسازی چهره سه بعدی انسان ها، طرح استریوی فتومتریک اصلاح شده ای را بر اساس روش تجزیه و تحلیل مولفه مستقل از هسته اصلاح شده پیشنهاد می نماییم. سپس، اطلاعات سه بعدی چهره ها را برای تشخیص چهره صورت بازیابی می نماییم. برای بازسازی، توالی صحیح بردار قائم را برای شکل دادن سطح به دست می آوریم و برای بازسازی اشیاء سه بعدی از روشی با قابلیت انتگرال گیری استفاده می نماییم. الگوریتم را بر روی چند تصویر واقعی گرفته شده از بانک اطلاعات صورت ییل B امتحان می کنیم و برای بازیابی مقادیر مشخصه از سه روش استفاده می کنیم. این روش ها، روش های مبتنی بر طراحی، مبتنی بر دایره و مبتنی بر ویژگی نامیده می شوند. سپس، برای دسته بندی از شبکه های عصبی سه لایه خود بازخورد مرتب شده توسط الگوریتم انتشار رو به عقب استفاده شده است. تمام نتایج تجربی با نتایج بدست آمده از بازسازی چهره انسانی موجود مقایسه شد و رویکرد های بازشناسی بر روی تصاویر یکسانی مورد امتحان قرار گرفتند. نتایج تجربی نشان می دهد که روش تحلیل مولفه مستقل از هسته اصلاح شده پیشنهادی در برنامه های بازسازی و تشخیص چهره موثر می باشد.

کلمات کلیدی: تجزیه و تحلیل مولفه مستقل | بازسازی سه بعدی چهره انسان | تشخیص سه بعدی چهره انسان | الگوریتم انتشار رو به عقب | شبکه های عصبی

عنوان انگلیسی:

۳D reconstruction and face recognition using kernel-based ICA and neural networks

~~en~~ writers :

Shye-Chorng Kuo , Cheng-Jian Lin , Jan-Ray Liao

Kernel-based nonlinear characteristic extraction and classification algorithms are popular new research
directions in machine learning. In this paper, we propose an improved photometric stereo scheme
based on improved kernel-independent component analysis method to reconstruct 3D human faces.
Next, we fetch the information of 3D faces for facial face recognition. For reconstruction, we obtain
the correct normal vector’s sequence to form the surface, and use a method for enforcing integrability
to reconstruct 3D objects. We test our algorithm on a number of real images captured from the Yale
Face Database B, and use three kinds of methods to fetch characteristic values. Those methods are
called contour-based, circle-based, and feature-based methods. Then, a three-layer, feed-forward neural
network trained by a back-propagation algorithm is used to realize a classifier. All the experimental
results were compared to those of the existing human face reconstruction and recognition approaches
tested on the same images. The experimental results demonstrate that the proposed improved kernel
independent component analysis (IKICA) method is efficient in reconstruction and face recognition
applications.

Keywords: Independent component analysis | 3D human face reconstruction | 3D human face recognition | Back-propagation algorithm | Neural networks

$$en!!