كاربرد faster R-CCN براي تشخيص چهره در smart home

بسياري از محدوديت ها سطح دقت يك سيستم تشخيص چهره را در اينترنت اشياي محدود مي كند. اين محدوديت ها، تشخيص چهره را به يك حوزه تحقيقاتي مهم تبديل مي كند. در اين تحقيق كه مبتني بر يادگيري عميق Faster R-CNN كه با اينترنت اشيا (IoT) تركيب مي شود تصاوير اشخاص موجود در يك پايگاه داده جمع آوري شده و اين تصاوير براي آموزش شبكه عصبي استفاده مي شود ويژگي ها از تصاوير استخراج مي گردند. توسعه اخير در اينترنت اشيا (IoT) و يادگيري عميق پرداختن به مشكلات تشخيص چهره را ممكن كرده است. در طبقه بندي ويژگي ها، هنگامي كه يكي از اعضاي به درب نزديك شود، درب باز مي شود. و اگر فردي ناشناس باشد قفل مي ماند. تصاوير در يك فضاي ابري ذخيره شده و براي نظارت به مدير ارسال مي شود. محدوده دقت 99.3 درصد بهتر از سيستم موجود است. Faster R-CNN پيشنهادي دقت كلي را بهبود مي بخشد.