یادگیری متری عمیق جهت شناسایی افراد

از پیچیدگی های مسئله ی شناسایی افراد، تطبیق تصاویر عابران بدست آمده از دوربین هایی با زوایای مختلف است. بطور دقیق تر، متفاوت بودن موقعیت مکانی فرد در هر تصویر و تعدد حالات ایستایی بدن سبب چالش برانگیز شدن این حوزه می شود. در این مسئله، با توجه به عملکرد خاص یادگیری متری (کاهش بُعد هدفمند و استفاده به جای دسته بند) نسبت به تعریف معیار شباهت، عملکرد شناسایی بهبود می یابد. با توجه به غیرخطی بودن روابط میان ویژگی های استخراج شده از تصاویر روشی مبتنی بر تلفیق یادگیری متری با شبکه های عصبی عمیق پیشنهاد شده است. از آنجاییکه تعریف معیار شباهت کلی برای مجموعه های داده ای چندحالته کافی نمی باشد، تعریف یادگیری متری عمیق بصورت محلی (با کمک خوشه بندی عمیق) جهت تعریف معیار شباهت تخصصی تر، سبب طراحی ساختار جدیدی (چهارچوب سر-به-سر مابین یادگیری متری و خوشه بندی) در این پژوهش شده است. جهت ارزیابی روش پیشنهادی، از مجموعه های داده ای viperو تلفیق بین دو مجموعه ی viper و qmul استفاده گردیده است. نمونه های موجود در هر دو مجموعه ی داده ای بصورت تصاویر تمام قد با تعداد کم و کیفیت پایین بوده که شرایطی چالش برانگیز را ایجاد کرده اند. با توجه به نتایج بدست آمده از این مقاله در مقایسه با پژوهش های پیشین، معیار شباهت نهایی بطور تخصصی تر روابط غیرخطی نمونه ها را توصیف می نماید.