عنوان پایان‌نامه
مدل محاسباتی بازشناسی چهره مبتنی بر قشر بینایی مغز
- رشته تحصیلی
- علوم کامپیوتر
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس علوم شماره ثبت: 5634;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 67921
- تاریخ دفاع
- ۳۰ شهریور ۱۳۹۳
- دانشجو
- آرتین قوستان خاچاطوریان
- استاد راهنما
- محمد گنج تابش
- چکیده
- بازشناسی چهره و اشیا همواره از اهمیت بسیار بالایی برخوردار بوده است. به طور کلی، بازشناسی چهره و اشیا به معنای یافتن یک شی یا یک چهره در یک صحنه یا تصویر است. انسان ها قادر هستند که چهره و اشیا پیرامون خود را بدون کوچکترین مشکلی شناسایی و تفکیک نمایند، هرچند ممکن است که چهره و اشیا موجود در یک صحنه در حالت های گوناگون و با زوایای دید مختلف و همچنین در اندازه های متفاوت باشند. یکی از مدل های ارائه شده برای این امر مدل HMAX است که در سال 1999 توسط Poggio و Riesenhuber معرفی گردید. عامل مهمی که موجب پیشرفت این مدل شد، استفاده از عملگر ماکسیمم گیری برای مدل سازی عملکرد سلول‌های پیچیده در ناحیه قشر بینایی مغز بوده است. آن‌ها نشان دادند که عملگر ماکسیمم گیری می‌تواند رفتار سلول‌های پیچیده را توصیف کند و با ثبت های نورونی انطباق بیشتری دارد. بررسی های اخیر که توسط محققان بر روی سیستم بینایی مغز انجام شده نشان داده است که یک چهره نرمال انسان در مغز ما با توجه به محیطی که در آن زندگی می‌کنیم تشکیل می‌شود. این چهره از زمان تولد شروع به شکل گرفتن می‌کند و هر با که انسان یک چهره می‌بیند این چهره نیز تکمیل شده و به عبارتی نرمال شده چهره‌هایی می‌شود که انسان تا حالا دیده است .کاربرد چهره نرمال این است که ما به وسیله آن می توانیم انسان‌ها را شناخته و آن ها را از یکدیگر تمیز دهیم. ما برای شناسایی هر فرد اختلاف او را با چهره نرمال می‌سنجیم و نسبت به میزان اختلاف او را شناسایی می کنیم . در این پایان نامه یک مدل محاسباتی بازشناسی چهره مبتنی بر فرآیند قشر بینایی مغز ودر راستای دیدگاه چهره نرمال ارائه خواهد شد. برای انجام این کار توسعه ای از مدل پایه HMAX استفاده خواهد شد. سپس کارایی مدل توسعه شده برای چالش های مطرح در حوزه بازشناسی چهره مانند تشخیص هویت , شناسایی مستقل از زاویه دید و تشخیص هویت اشخاص تغییر چهره یافته مورد بررسی و تحلیل قرار می‌گیرد. کلمات کلیدی : بازشناسی چهره، مدل های محاسباتی، چهره نرمال، قشر بینایی مغز، تشخیص هویت
- Abstract
- Recognition of faces and objects is always very important matter. Generally, recognition of faces and objects meant by finding an object or a face in a scene or image. Humans are able to identify and separate their surrounding faces and objects without any problem, although the faces and objects in a scene might be in different modes or with different angles and sizes. HMAX was one of the proposed models for this matter, which was introduced by Poggio and Riesenhuber in 1999. The maximum operator is an important factor that led to the development of this model for modeling complex cells in the visual cortex. They show that the maximum operator can better describe the behavior of a complex cell and is more plausible with the neural recording. Resent researches in neuroscience indicate that a norm face is constructed in our brain with respect to the environment we live in. This norm face is constructed in the early stage of development and it is modified in the future development. Using the norm face, we could recognize faces as well as identify them. The difference between a face and norm face helps us in identification task. In this thesis, we present a computational model based on face process in the visual cortex toward normal face approach. To do so, we will develop an HMAX-based computational model. The efficiency of the developed model will be analyzed in face recognition task in different challenges, such as face identification, face angle independent detection and disguised face identification. Keywords: Face recognition, Computational models, Norm face, Visual Cortex, Face Identification
