ارائه کننده: علی کریمی نژاد
استاد راهنما: دکتر نصراله مقدم چرکری
استاد مشاور اول: دکتر مهدی رعایائی اردکانی
استاد ناظر خارجی اول: دکتر رضوانیان (دانشگاه علم و فرهنگ)
تاریخ: 1403/04/24
ساعت: 16:30
مکان: ۰۱/۶

چکیده:
در سال های اخیر شاهد پیشرفت فراوانی در حوزه بینایی ماشین در کاربردهای متفاوت بوده ایم. تشخیص چهره، یکی از کاربردهایی است که به صورت عملی و در دنیای واقعی در حال استفاده است. با مرور زمان محققان توانسته اند که با استفاده از تشخیص چهره، به تشخیص سن و جنسیت افراد در تصاویر بپردازند. تشخیص ویژگی های چهره در تصاویر مدتی است که مورد توجه پژوهش‌ها قرار گرفته است. از مواردی که معمولا به عنوان ویژگی های چهره استفاده می‌شوند شامل بافت چهره، موقعیت و شکل چشم ها، بینی، دهان و فاصله بین اجزای چهره، رنگ پوست و.... میتوان نام برد. شناسایی خودکار ویژگی های چهره در انواع مختلف کاربرد ها، از جمله آموزش الکترونیکی، نظارت بر بیماران، سرگرمی، بازاریابی و تبلیغات، اهمیت زیادی دارد. تشخیص ویژگی های چهره، به ویژه در تصاویر چهره در دنیای واقعی که چهره‌ها کاملا واضح نیستند و پس‌زمینه‌ تصاویر متفاوت است، بسیار حیاتی و چالش برانگیز است. در جوامعی که به هم مرتبط هستند، تشخیص جنسیت نقشی حیاتی در امنیت، تبلیغات و تعاملات انسان و ماشین ایفا می کند. در این پژوهش، علاوه بر استفاده از رویکردهای سنتی، از یک مدل چند وظیفه‌ای استفاده شده است تا بتوان همزمان جنسیت و سن را شناسایی کرد و از ارتباط طبیعی ویژگی های آنها برای افزایش دقت بهره‌مند شد. در مدل های یادگیری چند وظیفه ای، بر خلاف مدل های یادگیری کلاسیک، به پیش بینی بیش از یک هدف پرداخته می‌شود. در این تحقیق، از تکنیک‌های پیشرو در زمینه یادگیری ماشین مانند شبکه‌های یادگیری انتقال (VGG16، ResNet50)، شناسایی چهره و روش های پیش‌پردازش داده ها مانند: افزایش و متعادل سازی داده ها در گروه های مختلف و یکسان سازی ابعاد تصاویر، استفاده شده است. همچنین، سعی شده است تا ارتباط بین شناسایی جنسیت و سن را از طریق یادگیری چند وظیفه‌ای بررسی کند. نتایج حاصل از اعتبارسنجی آزمایشی روی مجموعه داده Adience نیز نشان‌دهنده دقت‌های قابل توجهی شامل 93.83% برای شناسایی جنسیت و 81.12% برای شناسایی سن می باشد.