پذیرفته شده برای ارائه شفاهی ، صفحه 493-504 (12) اصل مقاله (1.16 MB)

¹سجاد عموئی ششکل؛ ²کاظم فولادی قلعه ؛ ³حسین آقابابا

¹فارغ‌التحصیل کارشناسی ارشد مهندسی فناوری اطلاعات، گروه مهندسی کامپیوتر، دانشکده مهندسی دانشکدگان فارابی دانشگاه تهران؛ دستیار پژوهشی آزمایشگاه پژوهشی یادگیری عمیق دانشگاه تهران

²استادیار گروه مهندسی کامپیوتر، دانشکده مهندسی دانشکدگان فارابی دانشگاه تهران؛ سرپرست آزمایشگاه پژوهشی یادگیری عمیق دانشگاه تهران

³دانشیار گروه مهندسی کامپیوتر، دانشکده مهندسی دانشکدگان فارابی دانشگاه تهران

بازشناسایی شخص در جامعه تحقیقاتی محبوبیت بالایی به‌دست آورده و دلیل آن افزایش کاربردها و اهمیت آن در صنعت نظارت است. بازشناسایی شخص به‌دلیل وجود تغییرات درون‌کلاسی و بین‌کلاسی در دوربین‌های مختلف همچنان به‌عنوان یک مسئله‌ی چالشی مورد بررسی قرار می‌گیرد. در این مقاله یک شبکه از نوع سیامی معرفی می‌شود که جفت تصاویر را دریافت کرده و سپس با استفاده از شبکه پیش‌آموزش داده شده، ویژگی‌های تصاویر را استخراج می‌کند و در نهایت خروجی توسط یک تابع اتلاف تصدیق تعیین می‌شود. به‌منظور به‌دست آوردن ویژگی‌های عمیق‌تر از تصاویر عابران پیاده، از شبکه پیش‌آموزش داده شده EfficientNet B0 برای استخراج ویژگی‌ها استفاده کردیم. آزمایش‌ها را روی مجموعه داده CUHK01 برای نشان دادن دقت روش پیشنهادی انجام دادیم. دقت روش پیشنهادی در رتبه 1، رتبه 5، رتبه 10، رتبه 15 و رتبه 20 به ترتیب 70%، 95%، 99%، 99% و 99% می‌باشد. نتایج نشان می‌دهد که روش ارایه شده نسبت به روش‌های به‌روز دارای عملکرد بهتری است.

بازشناسایی شخص؛ شبکه سیامی؛ اتلاف تصدیق؛ EfficientNet B0