اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدتحسين أداء واصف ويبر المحلي في التعرف على تعابير الوجه باستخدام مرشح غيبر
Improving WLD for Facial Expressions recognition using Gabor filter
1038
0 37
0
(
0
)
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
يهدف هذا البحثإلى تحسين أداء الواصف WLD من خلال استخدام مرشحات غيبر في عملية المعالجة الأولية و مقارنة أداء هذه النتائج مع أداء الواصف LBP المستخدم بشكل واسع في عمليات التعرف على تعابير الوجه, حيث تتم هذه المقارنة من أجل النظام الخبير SVM المستخدم بشكل واسع أيضا في هذا المجال بالإضافة إلى نظامين خبيرين مقترحين هما CSD و MLP.
The aim of the work is to improve the performance of the WLD descriptor using Gabor filters in a preprocessing stage. The performance of the improved descriptor will be compared with the performance of the LBP descriptor(a widely used descriptor in FER researches). This performance will be achieved using the extremely used expert system SVM besides the expert systems CSD and MLP.
مراجعة الذكاء الصنعي:
ملخص البحث
تتناول هذه الورقة البحثية تحسين أداء واصف ويبر المحلي (WLD) في التعرف على تعابير الوجه باستخدام مرشح غيبر. تعابير الوجه هي وسيلة أساسية للتواصل غير اللفظي بين الناس وتحمل معلومات مهمة عن الحالات الذهنية والعاطفية. ومع تزايد استخدام الحواسيب في حياتنا اليومية، فإن التفاعل بين الإنسان والحاسوب يفتقر إلى القدرة على فهم هذه الإشارات العاطفية، مما يجعل الحواسيب عمياء عاطفياً. تهدف الدراسة إلى تحسين أداء WLD من خلال استخدام مرشحات غيبر في مرحلة المعالجة الأولية، ومقارنة أداء هذا الواصف مع واصف LBP الشائع الاستخدام في التعرف على تعابير الوجه. تم استخدام النظام الخبير SVM بالإضافة إلى نظامين خبيرين مقترحين هما CSD و MLP. أظهرت النتائج تحسناً كبيراً في أداء WLD عند استخدام مرشحات غيبر بنسبة تصل إلى 20%، بالإضافة إلى تحسين الوثوقية وتقليل زمن التنفيذ، خاصة مع نظام CSD.
قراءة نقدية
دراسة نقدية: تقدم الورقة البحثية مساهمة مهمة في مجال التعرف على تعابير الوجه من خلال تحسين أداء واصف ويبر المحلي باستخدام مرشح غيبر. ومع ذلك، يمكن الإشارة إلى بعض النقاط التي قد تحتاج إلى مزيد من البحث والتطوير. أولاً، تعتمد الدراسة بشكل كبير على قاعدة بيانات JAFFE التي تحتوي على صور مأخوذة في ظروف مخبرية محددة، مما قد يؤثر على تعميم النتائج في بيئات العمل الحقيقية. ثانياً، على الرغم من التحسن الكبير في الأداء، فإن التعقيد الحسابي الناتج عن استخدام مرشحات غيبر قد يكون عائقاً في تطبيقات الزمن الحقيقي. أخيراً، يمكن توسيع الدراسة لتشمل تعابير وجه إضافية مثل التعب والألم والحالات الذهنية الأخرى لتحسين شمولية النظام.
أسئلة حول البحث
-
ما هو الهدف الرئيسي من البحث؟
الهدف الرئيسي من البحث هو تحسين أداء واصف ويبر المحلي (WLD) في التعرف على تعابير الوجه باستخدام مرشحات غيبر في مرحلة المعالجة الأولية.
-
ما هي الأنظمة الخبيرة التي تم استخدامها في الدراسة؟
تم استخدام النظام الخبير SVM بالإضافة إلى نظامين خبيرين مقترحين هما CSD و MLP.
-
ما هي قاعدة البيانات المستخدمة في التجارب؟
تم استخدام قاعدة البيانات اليابانية JAFFE التي تحتوي على صور لعشر عارضات يابانيات يظهرن تعابير مختلفة مثل السعادة والحزن والخوف والغضب والتفاجؤ والاشمئزاز.
-
ما هي النتائج الرئيسية التي توصلت إليها الدراسة؟
أظهرت النتائج تحسناً كبيراً في أداء واصف ويبر المحلي (WLD) عند استخدام مرشحات غيبر بنسبة تصل إلى 20%، بالإضافة إلى تحسين الوثوقية وتقليل زمن التنفيذ، خاصة مع نظام CSD.
المراجع المستخدمة
Detection of Emotions from Video in Non-controlled Environment”. PHD thesis, By:RizwanKhan. University of Lyon, 2013
A Performance Evaluation of Local Descriptors ”,By: K. Mikolajczyk and C. Schmid. IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 27, no. 10, pp. 1615-1630, Oct. 2005
Filtering for Texture Classification: A Comparative Study”, By: T. Randen and J.H. Husoy. IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 21, no. 4, pp. 291-310, Apr. 1999
قيم البحث
اقرأ أيضاً
يقدم البحث تصميماً لنظام تفقد آلي للطلبة، يقوم النظام بالتقاط صورة للطالب ثم استخلاص ملامح الوجه الأساسية، تم تدريب الشبكة باستخدام خوارزمية الانتشار العكسي، إذ تم توليد قاعدة بيانات تدريبية لكل طالب، مكونة من 15 عينة تدريبية له لمرة واحدة في بداية ا
لفصل الدراسي، كل عينة تحتوي تعابير الوجه اللازمة للتعرف على طالب، تُدرب الشبكة العصبونية على قاعدة بيانات الطلبة من أجل الحصول على شبكة عصبونية مدربة قادرة على التعرف على طلاب كل فئة بالاعتماد على ملامحهم، وبالتالي معرفة من حضر الجلسة ممن لم يحضر، تم تزويد النظام المصمم لهذا الغرض بالشبكة المدربة، يقدم النظام إمكانية إجراء التفقد الآلي للطلاب حسب فحوى الدراسة مع التنبيه في حال وجود صورة لطالب لا ينتمي لنفس المجموعة.
يعرض هذا البحث طريقة جديدة للتعرف على الوجه في حالات انفعالية مختلفة. تعتمد هذه الطريقة على خوارزميتنا المقترحة SD.R&C لاكتشاف الجلد البشري و تحديد الوجه, و على تصنيف نوع التعبير.
الغاية من هذا المقال إلقاء الضوء على آلية و مراحل تصميم متحكم ضبابي عصبوني, يقوم بتحديد انتماء وجه مدخل إلى أي من تعابير الوجه الأربعة التالية و هي الفرح, الحزن, الغضب, و الخوف, و ذلك وفقا للنقاط المميزة في الوجه FCP المأخوذة من نصف الوجه, و المتعلقة
بالعناصر الثلاث العين و الحاجب و نصف الفم, خلافا للدراسات المعهودة في هذا المجال الذي تعتمد على الوجه بالكامل.
الغاية من هذا المقال إلقاء الضوء على آلية ومراحل عمل نظام خبير , يقوم بتحديد انتماء وجه مدخل الى أي من تعابير الوجه الستة النموذجية وهي الغضب , الاشمئزاز , الخوف , السعادة , الحزن , الدهشة بالإضافة إلى الحالة الطبيعية .
وذلك بتطبيق خوارزمية تحليل ال
مكونات الأساسية PCA- principal component analysis , والمتعلقة بالعناصر الثلاث العين والحاجب والفم , خلافا للدراسات المعهودة في هذا المجال التي تعتمد على الوجه بالكامل.
هذه القيم الناتجة تستخدم في تحديد شعاع صفات الوجه كقيم لدخل الشبكة العصبونية , ويتم تدريب الشبكة العصبونية باستخدام خوارزمية الانتشار الخلفي . علما أن الوجوه المستخدمة تعود لأشخاص من أعمار وعروق مختلفة .
أخذت مرشحات الحزم الضوئية المحجوبة (Photonic Band Gap (PBG
أهمية بالغة في الوقت المعاصر. نقدم هنا نوعين من مرشحات الحزمة المحجوبة PBG
من خلال شبكتين مطبوعتين على طبقة القاعدة. تكون ميزات الحزمة الممنوعة تابعة
لعدد العناصر و الشبكات المطبوعة. استخ
دمنا الطريقة التكرارية التصميمية للأمواج
السريعة (Fast Wave Concept Iterative Process (FWCIP في نمذجة هذين
المرشحين.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
