تشخيص چهره هوشمند مبتني بر يادگيري عميق در محيط ابري- اينترنت اشيا

Deep learning-based intelligent face recognition in IoT-cloud environment

در سال هاي اخير فناوري اينترنت اشيا (IoT) در حوزه هاي عملياتي بسياري همانند مراقبت از سلامت، نظارت ويديويي، حمل و نقل و غيره به كار گرفته شده است. پذيرش و رشد عظيم اينترنت اشيا در اين حوزه ها در حال توليد ميزان بزرگي از داده ها است. به عنوان مثال، تجهيزات اينترنت اشيا همانند دوربين ها مقادير عظيمي از تصاوير را در حين استفاده در سناريوهاي نظارت بيمارستاني توليد مي كنند. در اينجا تشخيص چهره عنصر مهمي است كه براي امن كردن تجهيزات بيمارستاني، تشخيص عواطف و تحليل احساسات بيماران، تشخيص تقلب بيمار و تحليل الگوي ترافيك بيمارستان قابل استفاده هستند. سيستم هاي خودكار و هوشمند تشخيص چهره داراي دقت زيادي در يك محيط كنترل شده هستند؛ با اين حال، آن ها دقت كمي در محيطي بدون كنترل دارند. همچنين اين سيستم ها مي بايست به صورت لحظه اي در كاربردهاي بسياري همانند بهداشت و درمان هوشمند كار كنند. اين مقاله يك مدل عميق مبتني بر درخت را براي تشخيص چهره خودكار در يك محيط ابري پيشنهاد مي كند. اين مدل عميق پيشنهادي داراي بار محاسباتي كمتري است و دقت را از بين نمي برد. در اين مدل يك حجم ورودي به چندين حجم تقسيم مي شود به طوري كه درختي براي هر حجم ساخته مي شود. يك درخت توسط ضريب شاخه سازي و ارتفاعش تعريف مي شود. هر شاخه توسط يك تابع باقيمانده نمايش داده مي شود كه شامل يك لايه كانولوشني، نرماليزه سازي دسته اي و يك تابع غيرخطي است. اين مدل پيشنهادي در پايگاه داده هاي عمومي مختلفي ارزيابي مي شود. مقايسه اي از عملكرد توسط بهترين مدل هاي عميق براي تشخيص چهره انجام مي شود. نتايج حاصل از اين آزمايش ها نشان مي دهد كه مدل پيشنهادي به دقت هاي 98.65، 99.19 و 95.84 درصد به ترتيب در پايگاه داده هاي FEI، ORL و LFW دست يافته است.