شماره ركورد كنفرانس :
4162
عنوان مقاله :
تشخيص جنسيت افراد با استفاده از شبكههاي عصبي كانولوشن عميق
پديدآورندگان :
روان‌بخش الهام السادات e-ravanbakhsh@stu.scu.ac.ir دانشجوي كارشناسي ارشد، دانشگاه شهيد چمران اهواز ؛ () , نامجو احسان e.namjoo@scu.ac.ir استاديار، دانشگاه شهيد چمران اهواز ؛
() , علوي سيد عنايت الله se.alavi@scu.ac.ir استاديار ، دانشگاه شهيد چمران اهواز ؛
()
كليدواژه :
تشخيص جنسيت , شبكههاي عصبي كانولوشن , تنسورفلو , واحد پردازش گرافيكي , يادگيري عميق
عنوان كنفرانس :
اولين همايش ملي كامپيوتر، فناوري اطلاعات و كاربردهاي هوش مصنوعي
چكيده فارسي :
تشخيص جنسيت يكي از مباحث ارزشمند در زمينه‌ي رباتيك و سيستم‌هاي تعاملي است. امروزه همگام با پيشرفت‌هاي بي‌نظير در طراحي سيستم‌هاي تشخيص و شناسايي چهره، نياز به استفاده و بهبود روش‌هاي تشخيص جنسيت بيش‌تر احساس مي‌شود. پيشرفت‌هايي كه تاكنون در اين زمينه حاصل شده است، در مقايسه با ساير روش‌ها پررنگ نيست. از اين رو در اين پژوهش، يك شبكه‌ي كانولوشن هشت لايه جهت افزايش دقت نسبت به كارهاي پيشين طراحي شده است. نوآوري اين كار در استفاده از فيلترهاي كوچك و استفاده از لايه‌‌هاي كانولوشن بيش‌تر است. فيلترهاي كوچك با سايز 3×3 منجر به كاهش تعداد پارامترها در شبكه مي‌شوند. از آن‌جا كه با افزايش تعداد لايه‌ها در شبكههاي عميق، هميشه بيم بيش‌برازش در شبكه وجود دارد، كاهش تعداد پارامترها مي‌تواند شبكه را به سادگي از اين مشكل نجات دهد. افزون بر اينكه اين امر منجر به افزايش دقت 3%ي شبكه بر روي پايگاه داده‌ي Adience مي‌شود.
