بازشناسی چهره مبتنی براختلاط خبره ها

گوناگونی روش ها از یکسو و عدم وجود یک روش که بتواند ادعا نماید در تمامی زمینه ها دارای بالاترین کارایی است، ما را به سمت ارائه روش های ترکیبی سوق داد. این روش ها می بایست به گونه ای طراحی گردند که هر روش بتواند نقاط قوت خود را حفظ نماید و از سوی دیگر در اثر تعامل روش های مختلف با یکدیگر، نقاط ضعف هر روش تا حد امکان پوشیده گردد.
ایده اساسی در این فصل، اضافه کردن واحدها و پارامترهایی به ساختار اختلاط خبره ها با هدف افزودن کارایی بازشناسی چهره می باشد. این واحدها و پارامترها به هر طبقه بند ساختار اختلاط خبره ها نسبت داده می شود. این ساختارها از چهار خبره، که هر یک از این خبره ها با تمام داده های آموزشی، آموزش می بینند. هر یک از این ساختارها با استفاده از ترکیب طبقه بندهای قدرتمندتر، کارایی بالاتری از اختلاط خبره های معمول ارائه می کنند.
ادامه این فصل بدین صورت می باشد که در دو قسمت بعدی به معرفی واحدها و پارامترهای افزوده شده و چگونگی آموزش خبره ها برای هر ساختار می پردازیم. در بخش 4-4 ساختارها به صورت کامل بررسی می گردند و سرانجام در قسمت پنجم نتایج بدست آمده از این ساختارها مورد تجزیه و تحلیل قرار می گیرند.
4-2 ساختار بهبود یافته اختلاط خبره ها با افزودن واحد گشتاور [Tah 2008a] در این ساختار با تقسیم هوشمندانه فضای ورودی بین طبقه بندهای پایه به ایجاد گوناگونی در آنها می پردازد. ایده اصلی این روش، با عنوان اختلاط خبره ها [Jac 1991] برمی گردد. ساختار اختلاط خبره ها برای تقریب توابع پیشنهاد شد که شامل تعدادی خبره است که هر کدام در بخشی از فضای مربوط به دامنه تابع، خبره می شوند. در حقیقت هر خبره Ei بخشی از داده ها با میانگین و واریانس را مدل می کند.

که در آن توسط یک خبره با عنوان میانجی تعیین می شوند.
در ساختار ارائه شده در این بخش با ایده گرفتن از این ساختار، به بازشناسی چهره می پردازد. در این ساختار از شبکه های عصبی پرسپترون چند لایه به عنوان طبقه بند پایه و شبکه میانجی به جای شبکه های عصبی پرسپترون و تصحیح روابط برای کاربرد در مسائل طبقه بندی با اضافه کردن یک واحد گشتاور به روابط تصحیح وزن ها جهت افزایش سرعت همگرایی و گسترش آن برای حالتی که شبکه میانجی برای هر خبره به تعداد کلاس های الگو وزن تخصیص دهد، بهبودهایی هستند که در ساختار اختلاط خبره ها داده ایم.
در این ساختار، یادگیری طبقه بندها از نوع یادگیری رقابتی است یعنی در هنگام یادگیری، طبقه بندی که خطای کمتری بر روی نمونه یادگیری دارد تشویق می شود. ساختار این روش برای حالتی که شامل دو خبره باشد در شکل 4-1 نشان داده شده است.
شبکه میانجی دو وظیفه دارد: اول اینکه فضای ورودی را به صورت هوشمندانه بین طبقه بندها تقسیم کند. دوم اینکه با توجه به توانمندی طبقه بند برای طبقه بندی صحیح الگوی ورودی، یک وزن به آن تخصیص دهد.
همزمان با یادگیری طبقه بندها، شبکه میانجی یاد می گیرد که چگونه وزن مربوط به نظر هر طبقه بند را به صورت تابعی از الگوی ورودی محاسبه کند.

شکل 4-1ساختار اختلاط خبره ها با دو شبکه عصبی پرسپترون یک لایه و شبکه میانجی
در ادامه این بخش ابتدا با تفصیل بیشتری در مورد واحد گشتاور و تاثیر این واحد در روند اصلاح وزن شبکه بحث می کنیم و سپس تغییراتی که متوجه روابط و فرمول های ساختار اختلاط خبره های معمول (بدون واحد گشتاور و با شبکه های عصبی پرسپترون یک لایه به عنوان طبقه بند و شبکه میانجی) می شود را مورد بررسی قرار می دهیم.
در این فصل دو ساختار جدید برای بازشناسی چهره به وسیله یادگیری تجمعی ارائه گردید. در این ساختارها جهت ترکیب طبقه بندها، از ترکیب شبکه عصبی مبتنی بر اختلاط خبره ها استفاده کردیم. در ساختارهای ارائه شده در این فصل، تعداد طبقه بندها و تعداد نودهای خبره ها مشابه بودند.
در ساختار اول این فصل با ایده و چگونگی بکارگیری واحد گشتاور در ساختار ترکیبی اختلاط خبره ها با شبکه های پرسپترون چند لایه آشنا شدیم. وظیفه این واحد تسریع در همگرایی ساختار است، که هر خبره به وسیله تمامی مجموعه آموزشی، آموزش می بیند. این ساختار دارای این پتانسیل است که چنانچه روابط اصلاح وزن های شبکه با توجه به الگوهای ورودی تغییر کنند، می-توانیم به کارایی بالاتری برسیم. برای دست یابی به این منظور، در ساختار دوم این فصل با بکارگیری پارامترهای فازی که از تصاویر چهره استخراج شده اند، خروجی مطلوب فازی را محاسبه و درجه ابهام را به روابط اصلاح وزن اضافه کردیم. همان طور که انتظار می رفت تاثیر خوبی در نرخ بازشناسی چهره در ساختار ترکیبی استفاده شده گذاشت.
فایل Microsoft Word

تعداد صفحات: 25 صفحه

4-1 مقدمه 2
4-2 ساختار بهبود یافته اختلاط خبرهها با افزودن واحد گشتاور[Tah 2008a] 3
4-2-1 واحد گشتاور 5
4-2-2 تغییرات اعمال شده بر روی ساختار اختلاط خبرههای معمول 6
4-2-3 بانک چهره برای ارزیابی و پیاده سازی ساختار ارائه شده 7
4-2-4 نحوه بازنمایی تصاویر به خبرهها 9
4-2-5 آزمایشها و نتایج 11
4-3 ساختار ترکیبی مبتنی بر اختلاط خبرههای فازی [Tah 2008b] 16
4-3-1 شبکه عصبی پرسپترون چندلایه فازی 17
4-3-2 خروجی مطلوب فازی 18
4-3-3 فرایند اصلاح وزن در پرسپترون چندلایه فازی 21
4-3-4 پیاده سازی و ارزیابی ساختار ارائه شده 23
4-3-5 آزمایشها و نتایج استفاده از ساختار فازی ارائه شده 24
4-4 جمع بندی و نتیجه گیری 26
منابع و ماخذ 27
واژه نامه فارسی به انگلیسی 33
واژه نامه انگلیسی به فارسی 36