حملات خصمانه با اتصال نشانگرهای نویز بر روی چهره در برابر تشخیص عمیق چهره

Adversarial attacks by attaching noise markers on the face against deep face recognition

چکیده

1. مقدمه

2. پیش زمینه

1.2. تشخیص چهره عمیق

2.2. طبقه بندی حمله در مقابل تشخیص چهره عمیق

3. مطالعات مربوط

1.3. حملات تهاجمی برای دسته بندی تصاویر

2.3. حملات رقابتی علیه تشخیص چهره عمیق

4. روش فنی

1.4. تعریف چالش

2.4. انتخاب مکان نشانگر پارازیت تصویر

3.4. تنطیم رنگ و مکان

5. ارزیابی

1.5. مقدمه آزمایش

2.5. گزینش مکان نشانگر پارازیت تصویر

3.5. آزمایش ها در محیط دیجیتالی

4.5. آزمایش در دنیای واقعی

5.5. حملات انتقال پذیر

6. بحث و گفتگو

7. نتیجه گیری

منابع

چکیده

شبکه های عصبی عمیق هوش مصنوعی(DNNS) به طور فزاینده ای در فعالیت های آموزشی ماشینی موثر بوده اندکه این فعالیت ها شامل طبقه بندی تصاویر، تشخیص صدا، و پردازش زبان طبیعی است. تشخیص چهره با استفاده از DNNS کارایی بالایی دارد و به طور قابل ملاحظه در زمینه های گسترده ای از قبیل سیستم های مالی و بازرسی مهاجرتی مورد استفاده قرار می گیرد. با این حال شبکه عصبی یا همان DNNS نسبت به نمونه های تهاجمی که با اضافه کردن مقدار کمی پارازیت تصویر به نمونه اصلی به وجود می آید آسیب پذیر است که به طبقه بندی اشتباه در این سیستم می انجامد. در این مطالعه قصد داریم که پیشرفته ترین نرم افزار تشخیص چهره را با اتصال نشانگرهای پارازیت تصویر بر روی چهره در دنیای واقعی دچار خطا کنیم. به منظور به اشتباه انداختن یک مدل تشخیص چهره در دنیای واقعی، چالش های موجود در فرآیند حمله را مورد بررسی قرار می دهیم که این فرآیندها شامل تعیین مکان نشانگرهای پارازیت تصویر، تفاوت میان رنگ های نشانگرهای پارازیت دیجیتالی و رنگهای نشانگرهای پارازیت پس از پرینت، تفاوت های میان رنگ های نشانگرهای پارازیت که به چهره متصل شده اند و رنگ های نشانگرهای پارازیت پس از عکس برداری و تفاوت میان مکان های نشانگرهای دیجیتالی پارازیت و مکان های نشانگرهای پارازیت که به چهره متصل اند می باشد. در آزمایشات، ما نشانگرهای پارازیت را با در نظر گرفتن این چالش ها ایجاد کرده و نشان خواهیم داد که پیشرفته ترین مدل تشخیص چهره با اتصال حداکثر 10 نشانگر پارازیت به چهره دچار خطا می شود. این می تواند مدل های تشخیص چهره در شبکه های عصبی عمیق یا همان (DNNS) را با ریسک امنیتی مواجه کند.

7. نتیجه گیری  

در این مطالعه چالش هایی که باید در فریب دادن مدل های تشخیص چهره با اتصال نشانگرهای پارازیت تصویر بر روی چهره ها در دنیای واقعی حل شوند را تعریف کرده و روش های فنی برای کاهش تفاوت های رنگ و تفاوت های مکان نشانگرهای پارازیت تصویر ارائه دادیم. به علاوه، سه روش برای انتخاب مکان های نشانگرهای پارازیت تصویر ارزیابی کرده و نشان دادیم که سیستم تشخیص چهره عمیق به وسیله اتصال حداکثر 10 نشانگر پارازیت تصویر 5 ×5 پیکسلی بر روی چهره در دنیای واقعی را می توان فریب داد. در تحقیقات آینده، از شرکت کنندگان بیش تری استفاده کرده و با استفاده از گروه داده جمع آوری شده با فیلمبرداری از مناطق مختلف و با تجهیزات متفاوت به انجام مطالعه می پردازیم. هم چنین، سعی خواهیم کرد که مدل های تشخیص چهره را با استفاده از استیکرهای نقاشی چهره که طبیعی تر بوده و ناحیه تغییر وسیع تری نسبت به نشانگرهای پارازیت تصویر دارند، فریب دهیم و تلاش می کنیم که به سیستم های تشخیص چهره بازرگانی مانند Face++[43] و Rekognition[44] حمله کنیم.

Abstract

Deep neural networks (DNNs) have become increasingly effective in difficult machine learning tasks, such as image classification, speech recognition, and natural language processing. Face recognition (FR) using DNNs shows high performance and is widely used in various domains such as payment systems and immigration inspection. However, DNNs are vulnerable to adversarial examples generated by adding a small amount of noise to an original sample, resulting in misclassification by the DNNs. In this study, we attempt to deceive state-of-the-art FR by attaching noise markers on a face in the real world. To deceive an FR model in the real world, we address challenges in the attack process, including selection of locations of noise markers, the differences between colors of digital noise markers and those of noise markers after printing, the differences between the colors of noise markers that are attached to the face and those of noise markers after a picture is taken, and the differences between the locations of digital noise markers and those of noise markers that are attached to the face. In experiments, we generate noise markers considering these challenges and show that state-of-the-art FR can be deceived by attaching a maximum of 10 noise markers to a face. This can cause a security risk for FR models using DNNs.

7. Conclusion

In this study, we defined the challenges that must be solved when deceiving deep FR models by attaching noise markers on faces in the real world and demonstrated technical approaches to minimize color differences and location differences of the noise markers. In addition, we evaluated three methods for selecting the locations of the noise markers and showed that the deep FR system could be deceived by attaching a maximum of 10 noise markers of 5 × 5 pixels on the face in the real world. In future research, we will recruit more participants and conduct the study with face datasets collected under various shooting environments using different devices. In addition, we will attempt to deceive FR models using face painting stickers that are more natural and have a wider modulation area than noise markers, and will try to attack commercial FR systems such as Face++ [43] and Amazon Rekognition [44].

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

حملات خصمانه با اتصال نشانگرهای نویز بر روی چهره در برابر تشخیص عمیق چهره

Adversarial attacks by attaching noise markers on the face against deep face recognition

تشخیص چندنمایی چهره با استفاده از شبکه های عصبی عمیق

Multi-view face recognition using deep neural networks

چکیده

1. مقدمه

2. روش پیشنهادی

1.2. شبکه های عصبی

2.2. شبکه عصبی پیچشی (درهم پیچیده)

3.2. تابع فعال سازی

5.2. متریک شباهت

3. تجزیه و تحلیل و نتایج آزمایشگاهی

4. بحث

1.4. کاهش ابعاد ویژگی

2.4. ارزیابی شباهت ویژگی

3.4. ضریب پیچش وزنی

4.4. تابع فعال سازی

5. نتیجه گیری

چکیده

تشخیص چهره به طور گسترده در سیستم های هوشمندی مانند پایش هوشمند تصویری، پرداخت برخط و سیستم دسترسی هوشمند مورد استفاده قرار گرفته است. الگوریتم های تشخیص چهره فعلی در معرض حمله انواع حملات ارائه چهره  می باشند؛ کاغذ چاپ شده، بازپخش ویدئویی و ماسک های سیلیکونی از این جمله حملات اند. ما به منظور مدیریت بهینه مشکلات مذکور، معماری عمیق و جدیدی را صورت بندی نموده ایم که دقت تشخیص چندنمایی چهره انسان را افزایش می دهد. به ویژه، در وهله اول، شبکه عصبی عمیق و جدیدی به منظور رمزگذاری عمیق نواحی صورت ساخته شده است که در آن الگوریتم جدید تنظیم و تطبیق چهره به کار رفته است تا بر روی نقاط کلیدی موجود در چهره متمرکز گردد. بعد از آن، فناوری شناخته شده PCA را برای کم کردن ابعاد ویژگی های عمیق و به طور همزمان، حذف ویژگی های تصویری ناخالص و غیرضروری به کار برده ایم. سپس چارچوب اتصال بیزی را برای ارزیابی شباهت بردارهای ویژگی و دقت بسیار رقابتی دسته بندی چهره ها که می توان به آن دست یافت مطرح نمودیم. آزمایشات جامع بر روی مجموعه داده های  کامپایل شده کاس-پیل  انجام گرفته و عملکرد تشخیص چهره به میزان 98.52% موفقیت آمیز بود. علاوه بر این، سامانه پیشنهادی تشخیص چهره، به صورت سفت و سخت قادر به مدیریت حملات مختلف تشخیص چهره در زمینه های مختلف می باشد.

1.مقدمه

در سال های اخیر، تشخیص چهره، در بسیاری از حوزه ها توجه زیادی را به خود جلب نموده است. تکنیک های مربوطه می توانند در سیستم های مختلف به کار روند که از آن جمله اند: سامانه های قفل گشایی گوشی های هوشمند، پرداخت برخط و کنترل دسترسی ]3-1[. هدف تشخیص چهره، تمرکز یا کشف و ردیابی چهره انسان های مختلف با استفاده از تصاویر گرفته شده می باشد. این فن  نقش بسیار مهمی را در تایید زیستی ایفا می کند. هر سامانه تشخیص چهره، با استفاده از دوربین، تصویری از چهره یک یا چند شخص گرفته و سپس چهره فرد یا افراد مذکور را با نمونه چهره هایی که قبلا در مجموعه داده های چهره به منظور انجام تشخیص، خوراک دهی شده اند مقایسه می کند. تشخیص چهره، ویژگی غیر تماسی را نشان می دهد که در آن ممکن است برای شخص شناسایی شده توصیفی نباشد که به طور ارادی به مجموعه ویژگی بپیوندد. در این روش، خروجی رد کردن فرد شناسایی شده، مشخص خواهد شد. در روش مذکور، فناوری تشخیص چهره انسان برای حوزه شناسایی زیست سنجی  بسیار کاربردی است. 

5. نتیجه گیری

الگوریتم تشخیص تصویر چهره مبتنی بر شبکه عصبی عمیق مورد پیشنهاد است. این الگوریتم شامل استفاده از شبکه عصبی درهم پیچیده برای استخراج ویژگی های چهره، استفاده از الگوریتم PCA برای کاهش ابعادی ویژگی و استفاده از روش اتصال بیزی برای داوری شباهت بردار می باشد. ما نهایتا به هدف بهبود دقت تشخیص تصویر چهره دست یافتیم. بعد از یک سری مقایسه های آزمایشگاهی، نتایج نشان می دهد که در مجموعه داده های کاس-پیل، دقت تشخیص تصویر چهره می تواند به 98.52% برسد.

Abstract

F Face recognition has been widely used in modern intelligent systems, such as smart video surveillance, online payment, and intelligent access control system. Existing face recognition algorithms are prone to be attacked by various face presentation attacks (face-PAs), such as printed paper, video replay, and silicone masks. To optimally handle the aforementioned problems, we formulate a novel deep architecture to increase the accuracy of multi-view human face recognition. In particular, in the first place, a novel deep neural network is built for deeply encoding the face regions, where a novel face alignment algorithm is employed to localize the key points inside faces. Subsequently, we utilize the well-known PCA for reducing the dimensionality of the deep features and simultaneously, removing the redundant and contaminated visual features. Thereafter, we propose a joint Bayesian framework in order to evaluate the similarity of feature vectors and highly competitive face classification accuracy can be achieved. Comprehensive experiments were conducted on our compiled CAS-PEAL dataset and achieved a 98.52% face recognition performance. Moreover, our proposed face recognition system can robustly handle various face recognition attack under various contexts.

1. Introduction

In recent years, face recognition has attracted lots of attention in plenty of domains. The relevant techniques can be employed in different intelligent systems, for example, smart phone unlocking, online payment and access control system [1–3]. The objective of face recognition is to localize/detect and track various human faces by leveraging the captured images. This technique plays a highly important role in biological verification. Each face recognition system captures a face image from one or multiple persons by utilizing a camera, and thereafter it compares the human face with the face samples that are already fed into the face database to fulfill the recognition. Face recognition exhibits the feature of non-contact, wherein it may not be descriptive for the identified person to deliberately join the feature collection. In this way, the output of rejecting the identified person will be identified. In this way, human face recognition technology is highly useful to biometric identification domain.

5. Conclusions

A face image recognition algorithm based on deep neural network is proposed. It includes the use of convolutional neural network to extract facial features, the use of PCA algorithm for feature dimensionality reduction, and the use of joint Bayesian method for vector similarity judgment. Finally, the purpose of improving the accuracy of face image recognition is achieved. After a series of experimental comparisons, the results show that on the CAS-PEAL data set, the accuracy of face image recognition can reach 98.52%.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص چندنمایی چهره با استفاده از شبکه های عصبی عمیق

Multi-view face recognition using deep neural networks

حداقل اتلاف حاشیه ای برای تشخیص چهره عمیق

Minimum margin loss for deep face recognition

چکیده
1- مقدمه
2- از تابع Softmax Loss تا تابع حداقل اتلاف حاشیه ای
1-2 Sotmax Loss و Center Loss
2-2 اتلاف حاشیه ای و اتلاف محدوده
3-2 حداقل اتلاف حاشیه ای پیشنهادی
4-2 بحث
3- آزمایش ها
1-3 جزئیات آزمایش
2-3 تحلیل تاثیر بر پارامترهای β و M
3-3 چالش اول MegaFace در مجموعه داده FaceScrub
4-3 مقایسه با بهترین روش ها در مجموعه داده های LFW و YTF
5-3 مقایسه بیشتر در مجموعه داده SLLFW
6-3 نتایج براساس مجموعه داده های IJB-B و IJB-C
4- نتیجه گیری

چکیده

تشخیص چهره به موفقیت عظیمی دست یافته است که دلیل اصلی آن توسعه سریع شبکه های عصبی عمیق (DNN) در چند سال اخیر است. کارکردهای مختلف اتلاف در یک شبکه عصبی عمیق قابل استفاده است که منجر به عملکرد متفاوتی می شود. اخیراً برخی از کارکردهای تلفات پیشنهاد داده شده است. با این حال، آن ها نمی توانند مساله تمایل حاشیه ای را که در مجموعه داده های غیر متعادل وجود دارد حل کنند. در این مقاله حل مساله تمایل حاشیه ای را با تعیین یک حاشیه حداقلی برای تمامی زوج کلاس ها (دسته ها) پیشنهاد می دهیم. ما تابع اتلاف جدیدی به نام حداقل اتلاف حاشیه ای (MML) پیشنهاد می دهیم که هدف آن گسترش محدوده آن هایی است که به زوج های مرکزی دسته بیش از حد نزدیک می شوند تا قابلیت متمایز کننده ویژگی های عمیق را ارتقاء دهد. تابع MML همراه با توابع Softmax Loss و Centre Loss بر فرآیند آموزش نظارت می کنند تا حاشیه های تمامی دسته ها را صرف نظر از توزیع دسته آن ها مورد نظارت قرار دهند. ما تابع MML را در پلتفورم Inception-ResNet-v1 پیاده سازی می کنیم و آزمایش های گسترده ای را بر روی هفت مجموعه داده تشخیص چهره انجام می دهیم که شامل MegaFace، FaceScrub، LFW، SLLFW، YTF، IJB-B و IJB-C است. نتایج تجربی نشان می دهد که تابع اتلاف MML پیشنهادی منجر به حالت جدیدی در تشخیص چهره می شود و اثر منفی تمایل حاشیه ای را کاهش می دهد.

4- نتیجه گیری

در این مقاله یک تابع اتلاف جدید به حداقل اتلاف حاشیه ای (MML) برای هدایت شبکه های عصبی عمیق به منظور یادگیری ویژگی های چهره ارائه شده است. براساس اطلاعات موجود، روش MML اولین تابع اتلاف است که تعیین حداقل حاشیه بین دسته های مختلف را در نظر می گیرد. ما نشان می دهیم که پیاده سازی تابع اتلاف پیشنهادی در شبکه های CNN بسیار ساده است و مدل های CNN ما به طور مستقیم توسط SGD استاندارد قابل بهینه سازی است. آزمایش های گسترده ای بر روی هفت مجموعه داده عمومی موجود انجام شده است. ما روش MML را با روش های منتشر شده در چند سال اخیر مقایسه می کنیم. همچنین روش MML را به طور مستقیم با توابع اتلاف مربوطه تحت یک ساختار معین مقایسه می کنیم. نتایج به دست آمده نشان می دهد که روش MML دارای بهترین عملکرد است. تحقیقات آتی برای تعیین خودکار حداقل حاشیه M مورد نیاز است. همچنین سعی می کنیم تا اثبات نظری مزیت تعیین حداقل حاشیه را مورد بررسی قرار دهیم.

Abstract

Face recognition has achieved great success owing to the fast development of deep neural networks in the past few years. Different loss functions can be used in a deep neural network resulting in different performance. Most recently some loss functions have been proposed, which have advanced the state of the art. However, they cannot solve the problem of margin bias which is present in class imbalanced datasets, having the so-called long-tailed distributions. In this paper, we propose to solve the margin bias problem by setting a minimum margin for all pairs of classes. We present a new loss function, Minimum Margin Loss (MML), which is aimed at enlarging the margin of those overclose class centre pairs so as to enhance the discriminative ability of the deep features. MML, together with Softmax Loss and Centre Loss, supervises the training process to balance the margins of all classes irrespective of their class distributions. We implemented MML in Inception-ResNet-v1 and conducted extensive experiments on seven face recognition benchmark datasets, MegaFace, FaceScrub, LFW, SLLFW, YTF, IJB-B and IJB-C. Experimental results show that the proposed MML loss function has led to new state of the art in face recognition, reducing the negative effect of margin bias.

4- Conclusion

In this paper, a new loss function – Minimum Margin Loss (MML) is presented to guide deep neural networks to learn highly discriminative face features. To the best of our knowledge, MML is the first loss that considers setting a minimum margin between the different classes. We show that the proposed loss function is very easy to implement in the CNNs and our CNN models can be directly optimized by the standard SGD. Extensive experiments are conducted on the seven public available datasets. We compare MML with the methods published in the past few years on top conference and journals. We also directly compare MML with the relevant loss functions under the same framework. Results show that MML has state-of-the-art performance. Future research is needed to automatically determine the minimum margin M. Also we will try to give the theoretical proof about the advantage of setting a minimum margin in the future work.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

حداقل اتلاف حاشیه ای برای تشخیص چهره عمیق

Minimum margin loss for deep face recognition

آموزش متعادل در سطح کلاس برای شناسایی عمیق صورت

Class-Balanced Training for Deep Face Recognition

چکیده
1. مقدمه
2. کارهای مرتبط
3. چگونه تعادل کلاس به آموزش کمک می کند؟
3.1. راه اندازی آزمایش
3.2. صحت تشخیص چهره
3.3. سوگیری در تشخیص
3.4. انتخاب کلاس
4. BUPT-CBFace: آموزش متعادل در سطح کلاس
4.1. تعادل بین عرض و عمق
4.2. نتایج ارزیابی
4.3. تحلیل و بحث
5. نتیجه گیری

چکیده

عملکرد تشخیص چهره عمیق به داده های آموزشی بستگی دارد. اخیراً، مجموعه داده های بزرگتر و بزرگتری برای آموزش مدلهای عمیق توسعه یافته است. با این حال، اکثر مجموعه های آموزشی تشخیص چهره از مسئله عدم تعادل کلاس رنج می برند، و اکثر مطالعات منفعت بهینه سازی ساختارهای مجموعه داده را نادیده می گیرند. در این مقاله، به بررسی این مسئله می پردازیم که چگونه آموزش متعادل در سطح کلاس، می تواند عملکرد تشخیص چهره را ارتقاء بخشد. برای این منظور یک مجموعه آموزشی تشخیص چهره در مقیاس متوسط به نام BUPT-CBFace با کشف ساختار بهینه داده از داده های انبوه، ساخته شده است. این مجموعه داده عمومی با اندازه نمونه یکنواخت توزیع شده در هر کلاس و همچنین تعادل بین تعداد کلاس ها و نمونه ها در یک کلاس توصیف شده است. نتایج آزمایش نشان می دهد که مدلهای عمیق آموزش دیده با BUPT-CBFace نه تنها به نتایجی قابل قیاس با مجموعه داده های بزرگتر نظیر MS-Celeb-1M دست یافته، بلکه همچنین، مسئله سوگیری تشخیص را کاهش می دهند.

1. مقدمه

در سالهای اخیر، فناوری تشخیص چهره بالغ تر و کاربردی تر شده است. مجموعه های آموزشی تشخیص چهره عمومی زیادی [5, 13, 31, 33, 46] برای تامین نیازهای مدلهای عمیق آموزشی توسعه یافته است. عملکرد تشخیص برروی محک های عمومی نظیر LFW [18]، نیز بالغ شده و تکامل یافته است. با این حال، در فیلد تشخیص چهره عمیق، مسئله عدم تعادل کلاس [2, 3, 14, 15, 20] به صورت یک تنگنا باقی می ماند، یعنی تعداد نمونه ها در کلاس های اکثریت بیشتر از کلاس های اقلیت مجموعه های آموزشی است. توزیع نامتعادل داده ها با توزیع دم دراز(بلند) توصیف شده است [28، 51]: تعداد معدودی از کلاس ها دارای تصاویرزیادی از چهره نظیر داده های سر هستند و اکثر کلاس ها دارای تصاویر معدودی از چهره نظیر دم دراز (کشیده) هستند.

5. نتیجه گیری

در این مقاله به بررسی تاثیر تعادل کلاس و ساختارهای داده بر تشخیص چهره عمیق می پردازیم. مجموعه آموزشی تشخیص چهره متعادل در سطح کلاس BUPT-CBFace با تنظیم دقیق اشکال و کلاس های داده ساخته شده است. BUPT-CBFace از عملکرد چشمگیری در زمینه تشخیص برخوردار بوده و در مقایسه با مجموعه داده های دم دراز با مقیاس مشابه، تساوی و برابری را بهبود می بخشد. علاوه براین، برای رسیدن به نتایجی هم سطح با آموزش موازی بزرگ مقیاس که برای بسیاری از موسسات بسیار دوستانه است، BUPT-CBFace به راحتی برروی آموزش می بیند. BUPT-CBFace به عنوان انتخابی جایگزین برای مجموعه داده های دم دراز موجود، برای عموم قابل دسترسی است.

Abstract

The performance of deep face recognition depends heavily on the training data. Recently, larger and larger datasets have been developed for the training of deep models. However, most face recognition training sets suffer from the class imbalance problem, and most studies ignore the benefit of optimizing dataset structures. In this paper, we study how class-balanced training can promote face recognition performance. A medium-scale face recognition training set BUPT-CBFace is built by exploring the optimal data structure from massive data. This publicly available dataset is characterized by the uniformly distributed sample size per class, as well as the balance between the number of classes and the number of samples in one class. Experimental results show that deep models trained with BUPTCBFace can not only achieve comparable results to largerscale datasets such as MS-Celeb-1M but also alleviate the problem of recognition bias.

1. Introduction

In recent years, face recognition technology is becoming more mature and applicable. A lot of public face recognition training sets [5, 13, 31, 33, 46] are developed to meet the needs of training deep models. The recognition performance on public benchmarks such as LFW [18] are also becoming saturated. However, the class imbalance problem [2, 3, 14, 15, 20] remains a bottleneck in the field of deep face recognition, which means, the number of samples in majority classes is much more than that in minority classes in the training sets. The imbalanced data distribution is characterized by the long tail distribution [28, 51]: a few classes have many face images as the “head” data, and most classes have fewer face images as a long “tail”.

5. Conclusion

In this paper, we study the impact of class balance and data structures on deep face recognition. A class-balanced face recognition training set BUPT-CBFace is built by carefully adjusting data shapes and classes. BUPT-CBFace has a significant recognition performance and fairness improvement compared to long-tailed datasets of the same scale. Moreover, BUPT-CBFace can be easily trained on a single NVIDIA GTX 1080Ti GPU to achieve the same level results as large-scale parallel training, which is very friendly to many institutes. BUPT-CBFace is publicly available as an alternative option to the existing long-tailed datasets.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

آموزش متعادل در سطح کلاس برای شناسایی عمیق صورت

Class-Balanced Training for Deep Face Recognition

تشخیص چهره هوشمند مبتنی بر یادگیری عمیق در محیط ابری-اینترنت اشیا

Deep learning-based intelligent face recognition in IoT-cloud environment

چکیده

1. مقدمه

2. مطالعات مرتبط

3. نیازمندی ها و روش ها

3-1 چارچوب شهر هوشمند

3-2 شبکه عمیق مبتنی بر درخت

3-3 پایگاه داده

4. نتایج تجربی و بحث

5. نتیجه گیری

چکیده

در سال های اخیر فناوری اینترنت اشیا  (IoT) در حوزه های عملیاتی بسیاری همانند مراقبت از سلامت، نظارت ویدیویی، حمل و نقل و غیره به کار گرفته شده است. پذیرش و رشد عظیم اینترنت اشیا در این حوزه ها در حال تولید میزان بزرگی از داده ها است. به عنوان مثال، تجهیزات اینترنت اشیا همانند دوربین ها مقادیر عظیمی از تصاویر را در حین استفاده در سناریوهای نظارت بیمارستانی تولید می کنند. در اینجا تشخیص چهره عنصر مهمی است که برای امن کردن تجهیزات بیمارستانی، تشخیص عواطف و تحلیل احساسات بیماران، تشخیص تقلب بیمار و تحلیل الگوی ترافیک بیمارستان قابل استفاده هستند. سیستم های خودکار و هوشمند تشخیص چهره دارای دقت زیادی در یک محیط کنترل شده هستند؛ با این حال، آن ها دقت کمی در محیطی بدون کنترل دارند. همچنین این سیستم ها می بایست به صورت لحظه ای در کاربردهای بسیاری همانند بهداشت و درمان هوشمند کار کنند. این مقاله یک مدل عمیق مبتنی بر درخت را برای تشخیص چهره خودکار در یک محیط ابری پیشنهاد می کند. این مدل عمیق پیشنهادی دارای بار محاسباتی کمتری است و دقت را از بین نمی برد. در این مدل یک حجم ورودی به چندین حجم تقسیم می شود به طوری که درختی برای هر حجم ساخته می شود. یک درخت توسط ضریب شاخه سازی و ارتفاعش تعریف می شود. هر شاخه توسط یک تابع باقیمانده  نمایش داده می شود که شامل یک لایه کانولوشنی، نرمالیزه سازی دسته ای و یک تابع غیرخطی است. این مدل پیشنهادی در پایگاه داده های عمومی مختلفی ارزیابی می شود. مقایسه ای از عملکرد توسط بهترین مدل های عمیق برای تشخیص چهره انجام می شود. نتایج حاصل از این آزمایش ها نشان می دهد که مدل پیشنهادی به دقت های 98.65، 99.19 و 95.84 درصد به ترتیب در پایگاه داده های FEI، ORL و LFW دست یافته است.

5. نتیجه گیری

مدل های عمیق مبتنی بر درخت برای تشخیص چهره در این مقاله پیشنهاد شده است. دو نسخه مدل پیشنهادی وجود دارد: درخت تک و درخت های موازی. در مدل درخت های موازی، چندین درخت تک به صورت موازی ترتیب داده شده است. تابع باقی مانده به عنوان بلوک سازنده کل معماری مورد استفاده قرار گرفته است. آزمایش ها با استفاده از سه پایگاه داده چهره عمومی انجام شده است که به صورت عمومی در دسترس قرار دارند. مدل های پیشنهادی به دقت 99 درصد توسط این پایگاه داده ها دست یافته اند. چگالی اطلاعات مربوط به مدل پیشنهادی مبتنی بر درخت تک حدود 0.6 بوده است که برای یک مدل عمیق عالی است. در مقایسه با مدل های عمیق موجود، مدل های پیشنهادی دارای دقت قابل توجهی با تعداد کمتر پارامترها بوده اند. این یافته ها ثابت می کنند که مدل های پیشنهادی می توانند به طور کارآمد به عنوان یک سیستم تشخیص چهره در کاربردهای امنیتی مورد استفاده قرار گیرند. جهت گیری های آتی کار پیشنهادی می تواند به این صورت باشد. اول، مدل های پیشنهادی می توانند توسعه داده شوند تا مولفه های بیشتری همانند توصیف کننده های تجمیع محلی [46] را در عوض پیوستگی مورد استفاده در این مدل ها در بر بگیرند. دوم، پایگاه داده بیشتری در این آزمایش ها در نظر گرفته می شود. سوم، مدل های پیشنهادی در کاربردهای دیگری همانند تشخیص جنسیت و تشخیص احساسات چهره قابل استفاده هستند.

Abstract

In recent years, the Internet-of-Things (IoT) technology is being used in many application areas such as healthcare, video surveillance, transportation etc. The massive adoption and growth of IoT in these areas are generating a massive amount of data. For example, IoT devices such as cameras are generating a huge amount of images when used in hospital surveillance scenarios. Here, face recognition is an important element that can be used for securing hospital facilities, emotion detection and sentiment analysis of patients, detecting patient fraud, and hospital traffic pattern analysis. Automatic and intelligent face recognition systems have high accuracy in a controlled environment; however, they have low accuracy in an uncontrolled environment. Also, the systems need to operate in real-time in many applications such as smart healthcare. This paper suggests a tree-based deep model for automatic face recognition in a cloud environment. The proposed deep model is computationally less expensive without compromising the accuracy. In the model, an input volume is split into several volumes, where a tree is constructed for each volume. A tree is defined by its branching factor and height. Each branch is represented by a residual function, which is constituted by a convolutional layer, a batch normalization, and a non-linear function. The proposed model is evaluated in various publicly available databases. A comparison of performance is also done with state-of-the-art deep models for face recognition. The results of the experiments demonstrate that the proposed model achieved accuracies of 98.65%, 99.19%, 95.84% on FEI, ORL, and LFW databases, respectively.

5. Conclusion

The tree-based deep models for face recognition were proposed in this paper. There were two versions of the proposed model: single tree and parallel trees. In the parallel trees model, several single trees were arranged in parallel. The residual function was used as the building block of the whole architecture. Experiments were performed using three publicly available face databases. The proposed models achieved around 99% accuracy using these databases. The information density of the proposed single tree-based model was near 0.6, which is considered excellent for a deep model. Compared to the existing deep models, the proposed models had comparable accuracies with a lesser number of parameters. These findings prove that the proposed models can be efficiently used as a face recognition system in real-time for security purposes. The future directions of the proposed work can be as follows. First, the proposed models can be extended to include more components such as the locally aggregated descriptors [46] instead of the concatenation used in the models. Second, more databases can be included in the experiments. Third, the proposed models can be used in other applications such as gender recognition and facial emotion recognition.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص چهره هوشمند مبتنی بر یادگیری عمیق در محیط ابری-اینترنت اشیا

Deep learning-based intelligent face recognition in IoT-cloud environment

تشخیص چهره عمیق با داده های ناقص صورت

Deep face recognition using imperfect facial data

نکات برجسته

چکیده

1- معرفی

2 – کارهای مرتبط

3- روش پیشنهادی

3-1 مدل VGG-Face

3-2 استخراج ویژگی با استفاده از مدل VGGF

3-3- طبقه بندی ویژگی

4- آزمایشات و نتایج

4-1 مجموعه داده های FEI

4-2 آزمایشات بر روی قسمت های صورت با استفاده از مجموعه داده های FEI

4-3- آزمایشات روی چهره های چرخیده شده با استفاده از مجموعه داده های FEI

4-4 آزمایشات روی چهره های بزرگ شده با استفاده از مجموعه داده های FEI

4-5 مجموعه داده LFW

4-6 آزمایشات روی قسمت هایی از چهره در مجموعه داده LFW

4-7 آزمایش روی چرخش چهره در مجموعه داده LFW

5- بحث ها

6- نتیجه گیری

چکیده

امروزه تشخیص چهره مبتنی بر کامپیوتر یک مکانیسم بالغ و قابل اطمینان است که به طور عمده برای بسیاری از سناریوهای کنترل دسترسی مورد استفاده قرار می گیرد. به این ترتیب که تشخیص چهره یا احراز هویت عمدتا با استفاده از داده های کامل از تصاویر جلوی صورت انجام می شود. اگرچه ممکن است در عمل این مورد پیش بیاید، اما موقعیت های متعددی وجود دارد که ممکن است تصاویر کامل جلوی صورت در دسترس نباشد – تصاویر چهره ناقص که اغلب از دوربین های مدار بسته می آیند، شامل این موارد هستند. از این رو، مسئله تشخیص چهره مبتنی بر رایانه با استفاده از اطلاعات جزئی به عنوان شاخص هنوز هم تا حد زیادی یک حوزه تحقیق ناشناخته است. با توجه به این که به طور ذاتی انسانها و رایانه ها در تشخیص چهره و احراز هویت متفاوت هستند، باید جالب و جذاب باشد که بدانند یک رایانه زمانی که با یک چالش تشخیص چهره روبرو می شود چگونه به اجرای مختلف صورت توجه می کند. در این کار، ما این پرسش را بررسی میکنیم که ایده تشخیص چهره با استفاده از اطلاعات جزئی صورت را در بر می گیرد. ما این مسئله را با استفاده از آزمایش های جدید برای تست عملکرد یادگیری ماشین با استفاده از تصاویر جزئی چهره و دستکاری های دیگر در تصاویر چهره مانند چرخش و زوم، که به عنوان سرنخهای آموزش و تشخیص استفاده شده است، مورد بررسی قرار دادیم. به طور ویژه، ما میزان تشخیص را با توجه به قسمت های مختلف صورت مانند چشم ها، دهان، بینی و گونه مطالعه می کنیم. ما همچنین به بررسی تشخیص چهره با چرخش صورت و بزرگنمایی تصویر صورت پرداختیم. آزمایشات ما بر اساس استفاده از معماری مبتنی بر شبکه عصبی پیچشی پیشرفته با مدل VGG-Face آموزش دیده از قبل است که از طریق آن ویژگی ها را برای یادگیری ماشین استخراج می کنیم. سپس از دو طبقه بند، يعني شباهت کوسینوسی و ماشین های بردار برای بررسی نرخهای تشخیص استفاده مي شود. ما آزمایش های ما را روی دو مجموعه داده عمومی که شامل FEI کنترل شده برزیل و مجموعه داده کنترل نشده LFW هستند انجام دادیم. نتایج ما نشان می دهد که بخش های منحصر به فرد چهره مانند چشم ها، بینی ها و گونه ها دارای نرخ تشخیص کم هستند، اما زمانی که بخش های فردی صورت ترکیب شده به عنوان شاخص معرفی می شوند، میزان تشخیص به سرعت در حال افزایش است.

6- نتیجه گیری

توانایی الگوریتم های تشخیص چهره مبتنی بر ماشین برای داشتن عملکرد مناسب در حالتهایی که چهره ناقص است – مانند چهره های بسته شده، چهره های چرخانده شده و یا چهره های بزرگ شده – به عنوان سر نخ یک کار چالش برانگیز در زمینه بینایی کامپیوتر و محاسبات بصری است. در این کار، ما نتایج برخی از آزمایش های جدید را که ما برای نشان دادن این مسائل انجام داده ایم و همچنین برخی از راه حل های بالقوه را ارائه داده ایم. برای انجام این کار، از مجموعه داده های چهره ی عمومی کنترل شده و کنترل نشده استفاده می کنیم که نشان می دهد چگونه یادگیری عمیق می تواند برای تشخیص چهره با استفاده از چهره ناقص مورد استفاده قرار گیرد. بنابراین، با توجه به برخی اطلاعات صورت جزئی، ما نشان می دهیم که چگونه می توان استخراج ویژگی ها را با استفاده از CNN های محبوب مانند مدل VGGF انجام داد. نشان می دهیم که چگونه طبقه بندی های مبتنی بر SVM های محبوب و همچنین CS را می توان برای انجام وظایف تشخیص چهره استفاده کرد.

Abstract

Today, computer based face recognition is a mature and reliable mechanism which is being practically utilised for many access control scenarios. As such, face recognition or authentication is predominantly performed using ‘perfect’ data of full frontal facial images. Though that may be the case, in reality, there are numerous situations where full frontal faces may not be available — the imperfect face images that often come from CCTV cameras do demonstrate the case in point. Hence, the problem of computer based face recognition using partial facial data as probes is still largely an unexplored area of research. Given that humans and computers perform face recognition and authentication inherently differently, it must be interesting as well as intriguing to understand how a computer favours various parts of the face when presented to the challenges of face recognition. In this work, we explore the question that surrounds the idea of face recognition using partial facial data. We explore it by applying novel experiments to test the performance of machine learning using partial faces and other manipulations on face images such as rotation and zooming, which we use as training and recognition cues. In particular, we study the rate of recognition subject to the various parts of the face such as the eyes, mouth, nose and the cheek. We also study the effect of face recognition subject to facial rotation as well as the effect of recognition subject to zooming out of the facial images. Our experiments are based on using the state of the art convolutional neural network based architecture along with the pre-trained VGG-Face model through which we extract features for machine learning. We then use two classifiers namely the cosine similarity and the linear support vector machines to test the recognition rates. We ran our experiments on two publicly available datasets namely, the controlled Brazilian FEI and the uncontrolled LFW dataset. Our results show that individual parts of the face such as the eyes, nose and the cheeks have low recognition rates though the rate of recognition quickly goes up when individual parts of the face in combined form are presented as probes.

6- Conclusions

The ability for existing machine based face recognition algorithms to perform adequately in the cases of imperfect facial data – such as occluded faces, rotated faces or zoomed out faces – as cues remains a challenging task in the field of computer vision and visual computing. In this work, we have presented the results of some novel experiments we have undertaken to highlight these issues as well as to outline some potential solutions. To do this, we have utilised both controlled and uncontrolled public facial datasets through which we show how deep learning can be utilised for face recognition using imperfect facial cues. Thus, given some partial facial data, we show how feature extraction can be performed using popular CNNs such as the VGGF model. We show how classifiers based on popular SVMs as well as CS can be utilised to undertake facial recognition tasks.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص چهره عمیق با داده های ناقص صورت

Deep face recognition using imperfect facial data

آنالیز مولفه های اصلی و طبقه بندی رگرسیون خطی بهبود یافته برای تشخیص چهره

Improved Principal Component Analysis and Linear regression classification for face recognition

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

آنالیز مولفه های اصلی و طبقه بندی رگرسیون خطی بهبود یافته برای تشخیص چهره

Improved Principal Component Analysis and Linear regression classification for face recognition

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

VGGFace2: مجموعه داده ای برای تشخیص چهره ها در ژست و سن

VGGFace2 : مجموعه داده ای برای شناسایی چهره ها در هر دو حالت قیافه و سن

چکیده

1 مقدمه

2 بررسی مجموعه‌داده

3 بررسی کلی VGGFACE2

4 گردآوری مجموعه‌داده

5 آزمایشات

6 نتیجه‌گیری

منابع

چکیده

در این مقاله ما یک مجموعه‌داده چهره بزرگ را معرفی می‌کنیم که VGGFace2 نام دارد. این مجموعه‌داده شامل 3.31 میلیون تصویر متعلق به 9131 نفر است که میانگین تصاویر برای هر نفر 362.2 تصویر است. تصاویر از جستجوی تصویر گوگل دانلود شدند و تفاوت‌های زیادی در قیافه، سن، روشنایی، نژاد و حرفه (مانند بازیگران، ورزشکاران، سیاستمداران) به چشم می‌خورد.

این مجموعه‌داده با سه هدف گردآوری شد: (i)داشتن تعداد افراد زیاد و تعداد تصویر زیاد مختص به هر فرد؛ (ii) پوشش طیف گسترده‌ای از قیافه‌ها، سن و نژاد؛ و (iii) به حداقل رساندن نویز برچسب. نحوه گردآوری این مجموعه‌داده بویژه مراحل فیلترینگ خودکار و دستی به منظور تضمین صحت بالا برای تصاویر متعلق به هر شخصیت را توضیح می‌دهیم.

شبکه‌های عصبی کانولوشنی ResNet-50 (با و بدون بلوک‌های فشار و تحریک) را با VGGFace2، MS-Celeb-1M و یگانگی آنها به منظور ارزیابی عملکرد شناخت چهره با استفاده از این مجموعه داده جدید یعنی VGGFace2 آموزش می‌دهیم و نشان می‌دهیم که آموزش دادن با VGGFace2 سبب بهبود عملکرد شناخت قیافه و سن می‌شود. در نهایت با استفاده از مدل‌های آموزش دیده با این‌ مجموعه‌داده‌ها، نهایت عملکرد معیارهای شناخت چهره IJB-A و IJB-B را تعیین می‌کنیم که فراتر از بهترین عملکرد بدست آمده از یک حاشیه وسیع در کارهای قبلی هست. این مجموعه داده و مدل‌ها بصورت آزاد در دسترس قرار می‌گیرد.

2- بررسی مجموعه‌داده

در این بخش بطور خلاصه مجموعه‌داده‌های اصلی گردآوری شده از وب («in the wild») را بررسی می‌کنیم که اخیراً معرفی شده‌اند و از مجموعه‌داده چهره‌های برچسب گذاری شده در وب (LFW) اورجینال 2007 الهام گرفته است. این مجموعه‌داده دارای 5749 شخصیت و 13000 تصویر بود.

مجموعه‌داده +CelebFaces در سال 2014 منتشر شد که دارای 202599 تصویرمتعلق به 10177 شخصیت سلبریتی (افراد مشهور) بود. مجموعه‌داده CASIA-WebFace در همین سال منتشر شد که شامل 494414 عکس متعلق به 10575 نفر بود. مجموعه‌داده VGGFace در سال 2015 منتشر شد و شامل 2.6 میلیون عکس متعلق به 2622 نفر هست. این مجموعه‌داده جزو بزرگ‌ترین مجموعه‌داده‌های عمومی به شمار می‌آید. نسخه منتخب از این مجموعه‌داده که نویز برچسب توسط مفسران انسانی از آن حذف شده است، دارای 800000 تصویر است و تقریباً به ازای هر نفر یا هویت 305 تصویر دارد. مجموعه‌داده‌های CASIA-WebFace و VGGFace تنها به منظور اهداف آموزش دادن منتشر شدند.

مجموعه‌داده‌ MegaFace در سال 2016 به منظور ارزیابی روش‌های شناخت چهره منتشر شد که دارای بیش از یک میلیون عامل پرت در مجموعه تصویر گالری است. این مجموعه‌داده آموزشی‌ شامل 4.7 میلیون عکس متعلق به 672057 شخصیت می‌باشد. با این وجود، میانگین تنها 7 تصویر برای هر شخصیت سبب می‌شود این مجموعه‌داده تفاوت چهره برای هر شخصیت را محدود می‌کند. ، چالش MegaFace به منظور مطالعه تأثیر تفاوت‌های قیافه و سن در شناخت چهره‌ها از زیرمجموعه‌های FaceScrub که حاوی 4000 تصویر از 80 شخصیت است و FG-NET دارای 975 تصویر از 82 نفر برای ارزیابی استفاده می‌کند.

شناسایی سریع چهره مبتنی بر تئوری فراکتال

Fast face recognition based on fractal theory

چکیده
1- مقدمه
2- تئوری و روش کدنویسی فراکتال
2-1- تقسیم بندی بلوک های range و بلوک های domain
2-2- کدگذاری فراکتال
2-3- کد گشایی فراکتال
3- تشخیص چهره بر اساس نظریه فراکتال
3-1- فاصله همسایه فراکتال
3-2- طبقه بندی مبتنی بر فاصله ی همسایه ی فراکتال
4- نتایج آزمایش
4-1- در پایگاه داده Yale
4-2- در پایگاه داده FERET
4-3- در پایگاه داده CMU PIE
4-4- بحث
5- نتیجه گیری ها
منابع

چکیده

امروزه مردم بیشتر و بیشتر نگران دقت، سرعت و راحتی در روند شناسایی شخصی هستند. در زمینه زیست شناسی و نگرش کامپیوتر، تعدادی روش پیشنهاد شده است، در حالی که یک روش مناسب برای تشخیص چهره هنوز یک چالش است. اگر چه برخی از سیستم های قابل اطمینان و روش های پیشرفته تحت شرایط نسبتا کنترل شده معرفی شده اند، میزان و سرعت تشخیص آنها در تنظیمات عمومی رضایت بخش نیست. این به ویژه هنگامی صحیح می باشد که تغییرات در ژست، روشنایی و حالات چهره وجود داشته باشد. این مقاله یک روش تشخیص چهره سریع مبتنی بر نظریه فراکتال را پیشنهاد می کند. این روش متراکم کردن تصاویر چهره برای بدست آوردن کد های فراکتال و تشخیص چهره کامل با این کد است. نتایج تجربی در پایگاه داده های Yale، FERET و CMU PIE بیانگر بازده بالا روش ما در زمان اجرا و میزان صحیح بودن است.

5- نتیجه گیری ها

در این مقاله ابتدا روش کد نویسی فراکتال معرفی شده است. عمل کد گشایی تکرار در واقع یک فرایند تار کردن است که می تواند اطلاعات با فرکانس بالا و اثرات روشنایی، انسداد و حالات ریز چهره بر نتایج آزمایش را حذف کند. همانطور که مهم است، هنگامی که روش کدنویسی فراکتال برای تشخیص چهره به عنوان یک تکنولوژی متراکم سازی اعمال می شود، فقط باید کدهای فراکتال نمونه های آموزشی را بدست آوریم و آن ها را ذخیره کنیم، که می تواند به ما در صرفه جویی در فضای ذخیره سازی کمک کند. برای براورده کردن نیازهای افراد به تشخیص سریع چهره، ما FNDC را پیشنهاد می کنیم که روش های تشخیص فراکتال سنتی را با استفاده از اطلاعات کلاس برای تنظیم آستانه های بین کلاسی و آستانه های درون کلاسی برای سرعت بخشیدن به سرعت تشخیص بهبود می بخشد. ما آزمایشات را بر روی پایگاه داده های Yale، FERET و CMU PIE انجام دادیم و شایسته بودن FNDC را نشان دادیم.

Abstract

Nowadays, people are more and more concerned about accuracy, rapidity and convenience in the process of personal identification. In the field of biology and computer vision, a variety of methods have been proposed, while a proper method for face recognition is still a challenge. Although some reliable systems and advanced methods have been introduced under relatively controlled conditions, their recognition rate or speed is not satisfactory in the general settings. This is especially true when there are variations in pose, illumination, and facial expression. This paper proposed a fast face recognition method based on fractal theory. This method is to compress the facial images to obtain fractal codes and complete face recognition with these codes. Experimental results on Yale, FERET and CMU PIE databases demonstrate the high efficiency of our method in runtime and correct rate.

5- Conclusions

In this paper, a fast fractal coding method is firstly introduced. The operation of decoding iterations is actually a blurring process which can omit the high frequency information and overcome the effects of illumination, occlusion and micro expression on the experimental results. Just as important, when the fractal coding method is applied to face recognition as a compression technology, we just need to obtain and store fractal codes of training samples, which can help us greatly save storage space. To meet people’s requirements of fast face recognition, we propose FNDC which improves the traditional fractal recognition methods using class information to set up between-classes and within-classes thresholds to accelerate the recognition speed. We conducted experiments on Yale, FERET and CMU PIE databases and demonstrate the merits of FNDC.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

شناسایی سریع چهره مبتنی بر تئوری فراکتال

Fast face recognition based on fractal theory

سیستم تشخیص چهره با استفاده از الگوریتم ژنتیک

Face Recognition System Using Genetic Algorithm

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

سیستم شناسایی چهره با الگوریتم ژنتیک

Face Recognition System Using Genetic Algorithm

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.