مروري بر فرآيند تشخيص چهره به كمك شبكه هاي عصبي عميق

پردازش چهره، يكي از اساسي ترين موضوعات در حوزه الگوريتم هاي بينايي ماشين است كه با استفاده از روش هاي هوشمند، هويت يك انسان را بر اساس ويژگي هاي فيزيولوژيكي، تشخيص و تاييد مي كند. اين فناوري با دارا بودن مزيت هايي همچون دقت بالا و سطح پايين دخالت فرد، كاربردهاي فراواني در امنيت اطلاعات، اجرا و نظارت بر قانون، كنترل و ثبت تردد در سيستم هاي حضور و غياب و... دارد. در سال هاي اخير يادگيري عميق عملكرد فوق العاده اي در بينايي كامپيوتر به ويژه در زمينه تشخيص چهره بدست آورده است. يادگيري عميق از تركيب ويژگي‌هاي انتزاعي و شبكه‌هاي عصبي عميق، براي توليد نتايجي كه در شرايط عادي دستيابي به آن‌ها امكان‌پذير نبوده و غير قابل تشخيص هستند، استفاده مي‌كند. ساختار مدل تشخيص چهره مبتني بر شبكه هاي عميق، به دو عامل اصلي تعداد و كيفيت داده هاي آموزش بستگي دارد. به طور كلي سيستم هاي تشخيص چهره داراي چالش هايي همچون تغييرات روشنايي، حالات و وضعيت هاي مختلف چهره، پوشيدگي صورت، وضوح كم تصوير وتعداد كم نمونه هاي آموزشي مي باشد. اين مقاله، مروري كلي بر تكنيك هاي مطرح در زمينه شبكه عصبي عميق جهت تشخيص چهره دارد و الگوريتم هاي مطرح در زمينه رفع اين چالش ها را مورد بررسي قرار مي دهد.