بهبود مانيفولد حالات و تصاوير مجازي با به‌ كارگيري شبكه‌هاي عصبي دو سويه در بازشناسي چهره با يك تصوير از هر فرد

در اين مقاله به‌ منظور توسعه عملكرد مدل‌هاي شبكه عصبي در بازشناسي چهره با يك تصوير از هر فرد، يك ساختار شبكه عصبي دوسويه با الهام از نئوكورتكس مغز انسان ارائه شده است. در ساختار پيشنهادي همانند نئوكورتكس در ابتدا طي يك مرحله پردازش از پايين به بالا، يك تفسير زمخت از ورودي صورت مي‌گيرد، سپس در مرحله بعد نتايج بازشناسي اوليه ضمن عبور از يك شبكه عصبي معكوس پالايش مي‌شوند. از اين مدل جهت جداسازي غير خطي اطلاعات فرد از حالت و تخمين مانيفولدهاي اطلاعات فرد و حالت استفاده شده است. به‌ منظور افزايش تعداد نمونه‌هاي تعليم در شبكه طبقه‌بندي كننده با استفاده از مانيفولدهاي تخمين زده شده، تصاوير مجازي چهره‌هاي نرمال موجود در پايگاه داده تست توليد شده است. با تعليم شبكه طبقه‌بندي كننده توسط تصاوير مجازي حاصل از تعليم شبكه دوسويه، درصد صحت بازشناسي 85/45٪ روي دادگان تست حاصل شده كه در مقايسه با توليد تصاوير مجازي با استفاده از روش خوشه‌بندي بدون سرپرستي اطلاعات افراد و حالات داراي بهبود 1/82٪ مي‌باشد.