این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در 4 صفحه در سال 2016 منتشر شده و ترجمه آن 8 صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
سیستم تشخیص چهره با استفاده از الگوریتم ژنتیک |
عنوان انگلیسی مقاله: |
Face Recognition System Using Genetic Algorithm |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | 2016 |
تعداد صفحات مقاله انگلیسی | 4 صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله | مهندسی الگوریتم و محاسبات، مهندسی نرم افزار و هوش مصنوعی |
مجله | کنفرانس بین المللی محاسباتی و ملزومات امنیتی |
دانشگاه | هند |
کلمات کلیدی | تشخیص چهره، UMIST، ORL، PCA، LDA، الگوریتم ژنتیک |
شناسه شاپا یا ISSN | ISSN 1877-0509 |
رفرنس | دارد |
لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
نشریه الزویر |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
کیفیت ترجمه | ویژه – طلایی ⭐️⭐️⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 8 صفحه |
- فهرست مطالب:
چکیده
1. مقدمه
1. 1 چارچوب تشخیص چهره
2. 1 کاربردهای سیستم تشخیص چهره
3. 1 چالش ها در فیلد تشخیص چهره
4. 1 چرا از چهره برای تشخیص استفاده می شود
2. مروری برادبیات
3. فرمول نویسی مسئله
4. روشی برای کار پیشنهادی
5. نتایج و بحث
5.1 تحلیل نتیجه
6. نتیجه گیری و کار آتی
- بخشی از ترجمه:
6. نتیجه گیری و کار آتی
تشخیص چهره، یکی از جنبه های چالش برانگیز در فیلد تجزیه و تحلیل تصویر و دید کامپیوتر می باشد. تاکید بر تشخیص چهره در چند سال گذشته به خاطر کاربردهای وسیعش در حوزه های مختلف، افزایش یافته است. تحقیق انجام شده در این فیلد طی چهار دهه گذشته منجر به نتایج تشویق کننده ای می گردد، اما ما هنوز قادر به یافتن تکنیک تشخیص چهره با توانایی اجرای کارا در موقعیت های مختلف زندگی روزمره نمی باشیم. الگوریتم های مرتبط با تکنیک تشخیص چهره کاملاً مطالعه شده و از تعدادی تصاویر تست استفاده و شرایط ومتغیرها را تغییر می دهند. از روش مبتنی بر الگوریتم ژنتیک پیشنهادی روی سه پایگاه داده محک زده شده متفاوت استفاده می شود: ORL ، UMIST و Indbase. هدف نهایی کار پژوهشی، بهبود نرخ تشخیص می باشد. روش پیشنهادی از نرخ تشخیص بهتری در مقایسه با روشهای PCA و LDA موجود برخوردار است. مشاهده شده است که روش مبتنی بر الگوریتم ژنتیک موجود به 57. 98 درصداز نرخ تشخیص چهره با پایگاه داده ORL، 100 درصد از نرخ تشخیص با پایگاه داده UMIST و 33. 98 درصد از نرخ تشخیص با پایگاه داده Indbase دست یافته است که بسیار بهتر از تکنیک های موجود PCA و LDA می باشد. کار پیشنهادی را می توان با استفاده از سایر الگوریتم های بهینه سازی، بهبود و در سایر پایگاههای داده محک زده شده مورد استفاده قرار داد.
- بخشی از مقاله انگلیسی:
6. Conclusion and Future Scope
Face recognition is one of the challenging aspect in the field of image analysis and computer vision. The focus towards the face recognition has been increased in the last few years due to its enormous applications in di erent domains. The research conducted in this field for the past four decades leads to encouraging results but still we are unable to find the face recognition technique which is able to perform e ciently in the various situations commonly encountered in daily life. The algorithms related to face recognition technique are thoroughly studied taking a number of test images and varying the conditions and variables. Proposed Genetic algorithm based method is applied on three di erent benchmarked databases: ORL (Olivetti Research Laboratory), UMIST and Indbase. The ultimate objective of the research work is to improve the recognition rate. The proposed method gives better recognition rate as com-pared to existing PCA and LDA methods. It has been observed that the proposed Genetic algorithm based method has achieved the 98.57 % face recognition rate with ORL database, 100 % recognition rate with UMIST database and 98.33 % recognition rate with Indbase database which is far better than the existing techniques PCA and LDA. The proposed work can further be improved using other optimization algorithms and can also be applied on other benchmarked databases.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
سیستم شناسایی چهره با الگوریتم ژنتیک |
عنوان انگلیسی مقاله: |
Face Recognition System Using Genetic Algorithm |
|