بازشناسی چهره به کمک تعداد کمی از تصاویر

در دهه گذشته، استقبال از سامانه های مبتنی بر بازشناسی چهره در حال رشد بوده است. نظارت تصویری،شناسایی مجرمان، کنترل دسترسی ساختمان و سامانه های حضور و غیاب ادارات، تنها چند نمونه از کاربردهای جذاببازشناسی چهره در صنعت هستند. تکنیک های زیادی از گذشته تا کنون برای حوزه بازشناسی چهره ارائه شده اند.موفق ترین این تکنیک ها، تکنیک های مبتنی بر یادگیری عمیق ۲ هستند، چرا که نیاز به استخراج دستی ویژگی از تصاویرتوسط فرد خبره را ندارند، و همچنین از تمام ویژگی های یک تصویر استفاده می کنند. اما چالشی که الگوریتم های یادگیریعمیق برای بازشناسی چهره دارند، نیاز به داده پایگاه داده بزرگ با تعداد زیادی تصویر است. در بسیاری از مسائل دنیایواقعی همچنین دادگانی وجود ندارد.توانایی یادگیری از یک نمونه، چیزی منحصر به فردی برای انسان است. الگوریتم های یادگیری تک-شات سعیمی کنند این قابلیت انسان را تقلید کنند. در این پژوهش به بررسی شبکه های یادگیری عمیق سیامیز برای تحقق یک الگوریتم تک-شات می پردازیم. روش بررسی شده روی یک پایگاه داده جمع آوری شده اعمال می شود و دقتی حدود ۹۲% را ارائه می دهد

کلیدواژه ها:

بازشناسی چهره ، شبکه های siamese ، یادگیری single shot ، طبقه بندی تصویر ، یادگیری عمیق