شناسايي چهره توسط شبكه‌هاي عصبي كانولوشني با رويكرد استخراج و تركيب ويژگي‌هاي مناسب

با وجود پيشرفت‌هاي چشمگير در طي بيست و پنج سال گذشته، شناسايي چهره همچنان يك مساله چالش برانگيز است. اين مقاله رويكردي مبتني بر يادگيري عميق با استفاده از شبكه‌هاي عصبي كانولوشني را پيشنهاد مي‌كند. اين رويكرد با استفاده از شبكه‌هاي اوليه ResNet101 به استخراج ويژگي مي‌پردازد. اين ويژگي‌ها براي تركيب مناسب و استخراج ويژگي‌هاي عمومي، به عنوان ورودي يك بلوك از ساختارهاي هرمي در نظر گرفته شده است و توسط شبكه‌هاي كانولوشن و كانولوشنِ معكوس به تركيب ويژگي‌هاي سطح بالا از تصوير مي‌پردازد تا در ادامه توسط عمليات‌ كانولوشني ويژگي‌هاي مناسب را با توجه به ويژگي‌هاي سطح بالا، استخراج نمايد. نتايج اين رويكرد توسط دو مجموعه-داده بزرگ و سه تابع تلفات آموزش ديده است و نتايج آموزش بر روي مجموعه داده LFW با رويكردهاي گذشته، مورد بررسي قرار گرفته است. نتايج اين مقاله، دقت عملكرد 99.77 درصدي را بر روي مجموعه‌داده LFW نشان مي‌دهد.