اینو دیدی

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

اینو دیدی

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

دانلود فایل PDF پی دی اف پروژه سیستم تشخیص چهره و الگوریتم های یادگیری

اختصاصی از اینو دیدی دانلود فایل PDF پی دی اف پروژه سیستم تشخیص چهره و الگوریتم های یادگیری دانلود با لینک مستقیم و پر سرعت .

دانلود فایل PDF پی دی اف پروژه سیستم تشخیص چهره و الگوریتم های یادگیری


دانلود فایل PDF پی دی اف پروژه سیستم تشخیص چهره و الگوریتم های یادگیری

عنوان :مروری بر سیستم های تشخیص چهره و الگوریتم های یادگیری

تعداد صفحات : 68

چکیده:
بیـشتر تحقیقـات بوسـیله فیزیولوژیـستهـا و روانـشناسان و مهندسـان روی موضـوعات مختلـف از تشخیص چهره بوسیله ماشین و انسان، صورت گرفته است. اهمیت روش های اتوماتیک تـشخیص چهـره، ما را بر آن داشته است که برای ادامه کار در این زمینـه، تحقیـق کـاملی روی کارهـای انجـام گرفتـه، از پیدایش این رشته از علم کامپیوتر انجام دهیم. اگر چه بسیاری از تئوری ها و فرضیه هـای مطـرح شـده،روی مجموعه ای از تصاویر کوچک، بررسی شده اند، ولی توانسته اند بسیاری دستاوردهای مهمی در ایـن زمینه به همراه داشته باشند.
در این تحقیق، ابتدا تاریخچه ای از موضـوعات مربـوط بـه تـشخیص هویـت، بـا اسـتفاده از خـواص بیومتریک ارائه شده و در ادامه بحث تشخیص چهره را به صورت اختصاصی در میـان مباحـث بیومتریـک ارائه شده است. ساختار و چهارچوب عمومی یک سیـستم تـشخیص چهـره، مهمتـرین موضـوع در آمـاده کردن آن می باشد، همچنین الگوریتم ها و روش هایی که بر اساس آن تشخیص چهره انجام مـی گیـرد،قسمت اصلی این تحقیق می باشد که شامل گروه بندی ها و نوع دیدگاه به مسئله می باشد که در انتهای بحث، استفاده از آموزش و یادگیری و الگـوریتم هـای آن را در بحـث کـشف چهـره، محـدود کـرده ایـم.
مشکلات مربوط به تشخیص چهره، می توانند شامل نور، زاویه دید دوربین، حرکت و سایر موارد محیطـی باشند، که این مشکلات نیز به صورت جداگانه مورد بررسی قرار گرفته اند.

مقدمه:
در دنیای به هم پیوسته و پیچیده امروزی، نگهداری و امنیت اطلاعـات، بـسیار مهـم و مـشکل شـده است، هر چند وقت یکبار در مورد تبهکاری های مربوط کارتهای اعتباری، هک شدن کامپیوترها و نقض امنیت در شبکه ها و دولت ها، چیزهایی می شنویم. در بیشتر این کلاهبرداری ها، افراد خاطی، به نحـوی امنیت سیستم ها را با عبور از سد محافظت های از قبل تعیین شده، مورد دستبرد قرار داده اند.
تکنولوژیهای جدید برای تعیین هویت منحصر هر فرد، بر پایه روش های Biometric بنیـان نهـاده شده اند. که این روش ها، روشهای خودکـاری از بـازبینی و تـشخیص هویـت موجـودات زنـده در زمینـه ویژگیهای فیزیکی از قبیل اثر انگشت یا وضعیت چهره، و یا سایر رفتارهای افراد، از قبیل دست دادن، می باشند. به این دلیل که، ویژگی های فیزیکی خیلی کمتر تغییر می کنند، ولی موارد رفتاری ممکـن اسـت به علت استرس، وضعیت روانی شخص، یا موقعیت شخص به راحتی دستخوش تغییـرات شـوند، در میـان روش ها و متدهای مختلف برای تعیین هویت، روش هایی که از ویژگی های فیزیکی استفاده مـی کننـد، علی رغم مشکلاتی که هنگام پیاده سازی وجود دارد، قابل اعتمادتر از آنهـایی هـستند کـه ویژگـی هـای فیزیولوژیکی(زیستی) را بکار می گیرند.
با بررسی زندگی دیجیتالی بشر، به راحتی متوجه این نکته خواهیم شد که امـروزه بـشر بـا نیازهـایی مواجه است که در سالهای قبل این نیازها وجود نداشت. این نیازها شامل سازمان، گروه و امنیت آنها مـی باشد. همیشه افزایش جمعیت و تحرک آن در همه جهت ها، باعث بالا رفـتن راه هـای انتقـال و اشـتراک اطلاعات، شده است، که این تغییر مکان ها، در ساختارهای پیچیده ای انجام مـی شـوند. همـانطوری کـه تحرک، نشات گرفته از رفتارهای انسانی و اطلاعاتی است، امنیت نیز اطلاعـات شخـصی و مقـادیر آنهـا را شامل می شوند. در محیط هایی که اهمیت امنیت و تشکیلات، افزایش یافتـه اسـت، شناسـایی و تعیـین اعتبار در زمینه های گوناگونی از تکنولوژی ها توسـعه داده شـده انـد. کنتـرل ورودیهـای سـاختمان هـا،کنترل دسترسی در کامپیوترهای عمومی، مثالهایی هستند کـه نـشان دهنـده تـشخیص هویـت و اعتبـار سنجی در جامعه کنونی میباشند.
روش تشخیص چهره (Face Recognition) یکی از چنـدین روش Biometric اسـت کـه دارای دقت بالا بوده و می تواند تا مدت ها قابل اتکا باشد. برخلاف روش های دیگر اعتبار سنجی که لازم بود تـا کاربر حداقل PIN و کلمه عبور، را به یاد داشته باشد، در روش های تشخیص چهره، کاربر خیلی راحت با چهره خودش، می تواند در پروسه اعتبار سـنجی وارد شـود. در حـال حاضـر عـلاوه بـر ایـن کاربردهـای کلاسیک، برای تشخیص چهره، اعتبار سنجی های جدیدی پدیدار شده اند. به طور نمونه، در بانک ها و یـا تأسیسات قضایی که امنیت از سایر ادارات معمولی بالاتر است، امنیت بیشتر توسط کامپیوترهـای زیـادی که امروزه مجهز به چندین دوربین می باشند، انجام می شود. در این حالت، یک نرم افزار تشخیص چهره، به صورت مداوم، آنچه که در جلوی دوربین اتفاق می افتد، را در کنترل داشته و در صورت برخورد بـا هـر گونه وضعیتی خارج از وضعیت از قبل تعیین شده، هشدارهای لازم را اعلام می نماید.
در حال حاضر، چندین روش برای سازماندهی و طبقه بندی زمینـه هـای مختلـف تـشخیص چهـره، امکان پذیر میباشد. به عنوان نمونه، الگوریتم هایی که با چهـره و محـیط آن سـر و کـار دارنـد (هماننـدسیستم های کنترل نشده)، باید با الگوریتم هایی که با سیستم های کنترل شده(هماننـد چـراغ راهنمـا ونورپردازی یک تئاتر) کار می کنند، متمایز گردند. همچنین سیستم هایی که از یک یا چند تـصویر بـرای تشخیص چهره استفاده می کنند، از سیستم هایی کـه از مقـادیر پیوسـته ویـدئویی اسـتفاده مـی کننـد،متمــایز مــیشــوند. در صــورتیکه ایــن تفــاوت هــای ســطح پــایین در مــشکلات ضــروری در Face  Recognition حذف شوند، یـک گـروه بنـدی براسـاس سـه حالـت Frontal و Profile و -ViewTolerant ارائه می شود.می توان گفت که الگوریتم های تشخیص چهره، مدل های ساده هندسی را استفاده مـی کننـد، امـا پروسه تشخیص، امروزه در یک علم پیچیده ریاضی و پروسه های Matching وارد شده است. بزرگتـرین پیشرفت آنها در سالیان اخیر، سوق دادن تکنولوژی تشخیص چهره، به صحنههای متاثر از نور مـی باشـد،بدین ترتیب که می توان در شرایط نوری متفاوت نیز، پروسه تشخیص چهره را به نحو مطلوبی انجـام داد.
تشخیص چهره، می تواند برای بازبینی (Verification)و تعیین هویت (Identification)، نیز بـه کـار برده شود.
زمینه های زیاد تجاری، برای ایجاد اینگونه نرم افزارها و امکان دسترسی به تکنولوژی های مورد نیـاز بعد از چندین سال تحقیق، دو دلیل مهم برای تکیـه بـر اهمیـت Face Recognition و ادامـه تـلاش برای داشتن سیستم های قوی تر می باشد.
روش های مطمئن زیادی از تشخیص بیومتریک اشخاص، وجود دارد. برای مثال، روش های آنالیز اثر انگشت یا بررسی عنبیه و شبکیه، اشخاص هم اکنون وجود دارند. از آنجائیکه یک تصویر چهره، می توانـد از روبرو یا نیم رخ باشد، بیشتر اوقات بدون همکاری و حتی اطلاع شخص مورد نظر، عمل می کند. جدول الف، تعدادی از برنامه های مربوط به Face Recognition را نشان می دهد.


دانلود با لینک مستقیم


دانلود فایل PDF پی دی اف پروژه سیستم تشخیص چهره و الگوریتم های یادگیری

سیستم خبره تشخیص احساس چهره

اختصاصی از اینو دیدی سیستم خبره تشخیص احساس چهره دانلود با لینک مستقیم و پر سرعت .

سیستم خبره تشخیص احساس چهره


سیستم خبره تشخیص احساس چهره

این سیستم خبره به کاربر کمک میکند که از روی علائم و حالات چهره هر فرد احساس آن فرد را تشخیص دهد


دانلود با لینک مستقیم


سیستم خبره تشخیص احساس چهره

افزایش جهت گیری در درک قابلیت اعتماد مربوط به چهره در افراد مبتلا به PTSD در مقایسه با افراد تحت کنترل و در معرض آسیب

اختصاصی از اینو دیدی افزایش جهت گیری در درک قابلیت اعتماد مربوط به چهره در افراد مبتلا به PTSD در مقایسه با افراد تحت کنترل و در معرض آسیب دانلود با لینک مستقیم و پر سرعت .

افزایش جهت گیری در درک قابلیت اعتماد مربوط به چهره در افراد مبتلا به PTSD در مقایسه با افراد تحت کنترل و در معرض آسیب


افزایش جهت گیری در درک قابلیت اعتماد مربوط به چهره در افراد مبتلا به PTSD در مقایسه با افراد تحت کنترل و در معرض آسیب

مشتری عزیز

در زیر لینک دانلود مقاله اصلی درج شده است. درصورت تایید نمودن این مقاله میتوانید فایل pdf آن را به همراه ترجمه سلیس و روان در قسمت زیر دانلود نمائید.

برای دانلود مقاله اصلی کلیک کنید 

 

(این مقاله مربوط به سال 2016 می باشد.)

 

 


افزایش جهت گیری در درک قابلیت اعتماد مربوط به چهره در افراد مبتلا به PTSD در مقایسه با افراد تحت کنترل و در معرض آسیب    

اریک اِی. فرتوک a,b ، فای تیسوا a، جک گرین بند c، لیزیا راگلس a، رابرت ملارا a، دنیز اِی. هاین a,b,*

a دانشگاه شهری نیویورک–کالج شهری روانپزشکی، خیابان اصلی مجمع 160، 120/7 ساختمان NAC، نیویورک، NY 10031، ایالت متحده آمریکا

b موسسه روانپزشکی ایالت نیویورک، مرکز پزشکی دانشگاه کلمبیا، ریور ساید، نیویورک، NY 10032، ایالت متحده آمریکا

c مرکز پزشکی دانشگاه کلمبیا، اداره گروه آموزشی عصب شناسی، 168امین خیابان غربی 630، نیویورک، NY 10032، ایالت متحده آمریکا

ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

اطلاعات مربوط به مقاله

تاریخچه مقاله: دریافت شده در 18 ژانویه 2015، دریافت شده بصورت فرم اصلاح شده در 28 اکتبر 2015، پذیرفته شده در 26 ژانویه 2016، قابل دسترس بصورت آنلاین در 27 ژانویه 2016.

ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ

واژگان کلیدی: PTSD (بیماری فشار روانی پس از ضربه)، آسیب، شناخت اجتماعی، بازشناسی احساسات مربوط به چهره، اعتماد، ترس، مشکلات میان فردی

 

چکیده

تحقیق در مورد بیماری فشار روانی پس از ضربه (PTSD) بطور گسترده ای بر روی فرایند های ترس تمرکز داشته است. با این حال، قرار گیری در معرض آسیب میان فردی نیز می تواند بر فعالیت میان فردی و درک قابلیت اعتماد دیگران تاثیر گذار باشد. تحقیق کنونی ادراک مربوط به چهره را در برابر ترس و قابلیت اعتماد  در افراد مبتلا به PTSD (n=29)، افراد در معرض آسیب بدون PTSD (n=19)، و  افراد کنترل شده سالم (n=18) بررسی کرده است. فرض شده بود که گروه PTSD در معرض یک تمایل یک طرفه به منظور درک ترس و قابلیت اعتماد بیشتر در چهره ها نسبت به افراد کنترل شده قرار می گیرند. شرکت کنندگان بر حسب سطح ترس یا قابلیت اعتماد چهره ها درجه بندی شدند که بصورت پارامتری در طول ابعاد ترس یا قابلیت اعتماد تغییر شکل داده شده بود.  گروه PTSD در مقایسه با کنترل شده های سالمِ در معرض آسیب تمایل به درک چهره هایی قابل اعتمادتر داشتند، این درحالی است که هیچ گونه تفاوتی بین این گروه ها در پردازش ترس وجود نداشت. تمایل یک طرفه قابلیت اعتماد در PTSD ممکن است عاملی آسیب پذیر را نمایان سازد. بطور برعکس، درک پایین تر قابلیت اعتماد ممکن است یک گرایش حمایت کننده را در افراد در معرض آسیب نشان دهد کسانی که PTSD در آنها گسترش نیافته است. وجود تفاوت هایی در درک اعتماد به نفس ممکن است جنبه ای از درک اجتماعی باشد که مستقل از نابهنجاری های پردازش ترس مشاهده شده در PTSD  است.

 


دانلود با لینک مستقیم


افزایش جهت گیری در درک قابلیت اعتماد مربوط به چهره در افراد مبتلا به PTSD در مقایسه با افراد تحت کنترل و در معرض آسیب

دانلود پایان نامه تعامل بین جاذب های اجزاء چهره و جاذب های چهره کامل در قشر گیجگاهی مغز

اختصاصی از اینو دیدی دانلود پایان نامه تعامل بین جاذب های اجزاء چهره و جاذب های چهره کامل در قشر گیجگاهی مغز دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه تعامل بین جاذب های اجزاء چهره و جاذب های چهره کامل در قشر گیجگاهی مغز


دانلود پایان نامه تعامل بین جاذب های اجزاء چهره و جاذب های چهره کامل در قشر گیجگاهی مغز

چکیده:

نقش سلول های چهره در قشر گیجگاهی مغز در فرآیند بازشناسی چهره چیست؟ گروهی از نرون ها در قشر گیجگاهی به صورت گزینشی به تصاویر چهره پاسخ می دهند، ولی نقش دقیق آنها و مزیت محاسباتی این سلول ها در شناسایی چهره به درستی مشخص نشده است.

ما شبکه عصبی ماژولاری شبیه سازی کردیم که به طور ساده ای ستون های ویژگی در قشر گیجگاهی را مدل می کرد. سلول های این ناحیه به اشیاء با پیچیدگی متوسط پاسخ می دهند. در ادامه، شبکه دو لایه ای ساختیم که پس از لایه اول ذکر شده، دارای لایه دوم بود که سلول های چهره را مدل می کرد.

این لایه تصاویر چهره را به صورت یک کل ذخیره می کند. شبکه ها دارای نروهای تحریکی – مهاری با تابع فعالیت آستانه خطی هستند که دارای پارامترهای مطابق با مقادیر واقعی بیولوژیکی هستند. ورودی به شبکه ها چهره های انتخابی تصادفی از پایگاه داده کیت چهره بود.

یکی از اجزای چهره تغییر می کرد یا به صورت ناقص به شبکه ارائه می شد، سپس کارایی شبکه در دو وظیفه فراخوانی و بازشناسی محاسبه می گردید. نتایج ما برتری شبکه دو لایه را در بازشناسی چهره نشان می داد، در شرایطی که لایه اول به جزء چهره غلط در بیشتر آزمایش ها میل می کرد، لایه دوم با داشتن اطلاعات ارتباط بین اجزاء چهره به جزء چهره هدف میل می کرد. از طریق این شبیه سازی ها ما دریافتیم که یکی از نقش های سلول های چهره وارد کرد هویت در شبکه است که این کار با ارتباط برقرار کردن بین اجزاء یک محرک ترکیبی همچون چهره انجام می گیرد. ما پیشنهاد می کنیم این ساختار کمک به نمایان ساختن تغییرات کوچک در محرک می کند.

یک آزمایش سایکو – فیزیک طراحی گردید که در آن به افراد یک سری چهره از پایگاه داده نشان داده می شد. یک نام به هرکدام از چهره ها اختصاص پیدا کرده بود. فاز تست از دو قسمت تشکیل شده بود. در قسمت اول، به افراد یک جزء چهره به تنهایی نشان داده می شد. در قسمت دوم، از افراد خواسته می شد که چهره های کامل را که فقط در جزء قسمت اول فرق داشتند شناسایی کنند.

نتایج آزمایش نشان می دهد که افراد در شناسایی اجزای چهره وقتی که در کل چهره ظاهر شده باشند بهتر هستند نسبت به وقتی که به تنهایی ظاهر شوند. این نتیجه، نتایج شبیه سازی های ما را نیز تایید می کند: اطلاعات درباره ارتباط بین اجزاء چهره کمک به بازشناسی و فراخوانی آن جزء می کند.

این پروژه با حمایت مالی (Post Graduate Fellowship) دانشگاه SISSA کشور ایتالیا، و دو ماه فرصت مطالعاتی اینجانب در آزمایشگاه (LIMBO Lab) پروفسور Alessandro Treves انجام پذیرفته است.

مقدمه

چهره جزو مهمترین محرک هایی است که به سیستم بینایی اعمال می شود. ثبت های الکترودی از تک نرون ها در میمون Macaque نشان داده است که بعضی از نرون ها به طور اساسی به چهره جواب می دهند و به محرک های دیگر پاسخ نمی دهند. این نرون ها در جلوی قسمت بالایی شیار گیجگاهی یا STS و در ناحیه TE یافت شده اند. این سلول ها برای پاسخ دادن نیاز به وجود تمام اجزای صورت را دارند.

از طرفی، نشان داده شده است که بعضی از سلول ها به تنها یکی از اجزای صورت مانند (چشم ها، دهان، موها) یا زیر مجموعه ای از اجزاء پاسخ می دهند. این سلول ها پاسخ افت کننده ای به جزء دیگر صورت یا کل صورت دارند. هرکدام از این سلول ها از طریق سیناپس ها به یکدیگر متصل می باشند که تشکیل یک شبکه عصبی را می دهند.

هدف این پروژه آنالیز این نکته است که وجود جاذب های مجزا برای اجزا صورت مانند چشم، گوش، بینی و مو در کنار جاذب ها برای کل صورت چقدر فرآیندهای ذخیره سازی و بازشناسی کل چهره را تسهیل می سازد. سوال اصلی دیگری که در اینجا مطرح است این است که ذخیره سازی اجزاء به صورت جاذب در یک ناحیه کرتکس چقدر به ذخیره سازی و بازیابی یک حافظه ترکیبی کمک می کنند. با این حال قصد اصلی این پروژه تاکید بر بازیابی صورت در مغز برای پاسخ به این پرسش است. این کار به وسیله مدلسازی انجام می پذیرد به این ترتیب که شبکه عصبی مورد نظر برای مدلسازی پیاده سازی می شود و نتایج بررسی خواهد شد.

یکی از مدلهای مشابه که توسط Treves و همکارانش در SISSA شبیه سازی شده است، از شبکه عصبی ماژولار تشکیل شده است که هریک از ماژول ها برای کد کردن و ذخیره سازی یک از اجزای صورت استفاده شده اند. در این شبیه سازی شبکه ای برای سلول های کد کننده کل صورت یا سلول چهره در نظر گرفته نشده است و فقط تفاوت در وجود یا نبود اتصالات بین ماژول ها در عمل بازشناسی چهره مورد بررسی قرار گرفته است.

 

شامل 104 صفحه فایل pdf


دانلود با لینک مستقیم


دانلود پایان نامه تعامل بین جاذب های اجزاء چهره و جاذب های چهره کامل در قشر گیجگاهی مغز