بهبود شبكه عصبي كانولوشني بر اساس الگوريتم فراابتكاري به منظور شناسايي حالات چهره

در اين پژوهش يك روش شناسايي چهره بر اساس بهبود شبكه هاي عصبي كانولوشني (CNN) ارائه شده است. اساس روش پيشنهادي آن است كه به جاي استفاده از الگوريتم هاي بهينه سازي معمول درCNNها، از روش هاي جايگزين كه دقت مدل را افزايش مي دهند بهره ببريم. از آنجايي كه اكثر روش هاي مبتني بر شبكه هاي عصبي از يك سري توابع هزينه مشابه استفاده مي-كنند، استفاده از الگوريتم هاي فرا ابتكاري به عنوان تابع هزينه يكي از روش هايي است كه مي توان در بهبود CNNها از آن ها بهره جست. در اين پژوهش، از الگوريتم بهينه سازي ازدحام ذرات (PSO) بهره گرفته شده است تا روند شبكه بر اساس اين توابع شكل بگيرد. همچنين براي جلوگيري از قرار گرفتن الگوريتم در مينيمم هاي محلي، از تعريف قواعد فازي در كنار PSO استفاده شده-است. همچنين از ساختار شبكه ي MobileNet براي قسمت يادگيري عميق آن استفاده شده است. به منظور ارزيابي عملكرد مدل پيشنهادي، از يكي از پايگاه هاي داده ي شناخته شده در زمينه شناسايي حالات چهره به نام FER2013 براي آموزش مدل و همچنين مرحله ي آزمون آن بهره برده ايم. روش پيشنهادي توانست بر چالش هاي موجود در پايگاه داده ي FER2013 غلبه نموده و به دقت 86 درصدي برسد. لذا با توجه به نتايج به دست آمده مي توان روش پيشنهادي را به عنوان مدلي مناسب در اين زمينه مطرح نمود.