شناسایی چهره توسط شبکه‌های عصبی کانولوشنی با رویکرد استخراج و ترکیب ویژگی‌های مناسب

با وجود پیشرفت‌های چشمگیر در طی بیست و پنج سال گذشته، شناسایی چهره همچنان یک مساله چالش برانگیز است. این مقاله رویکردی مبتنی بر یادگیری عمیق با استفاده از شبکه‌های عصبی کانولوشنی را پیشنهاد می‌کند. این رویکرد با استفاده از شبکه‌های اولیه resnet101 به استخراج ویژگی می‌پردازد. این ویژگی‌ها برای ترکیب مناسب و استخراج ویژگی‌های عمومی، به عنوان ورودی یک بلوک از ساختارهای هرمی در نظر گرفته شده است و توسط شبکه‌های کانولوشن و کانولوشنِ معکوس به ترکیب ویژگی‌های سطح بالا از تصویر می‌پردازد تا در ادامه توسط عملیات‌ کانولوشنی ویژگی‌های مناسب را با توجه به ویژگی‌های سطح بالا، استخراج نماید. نتایج این رویکرد توسط دو مجموعه-داده بزرگ و سه تابع تلفات آموزش دیده است و نتایج آموزش بر روی مجموعه داده lfw با رویکردهای گذشته، مورد بررسی قرار گرفته است. نتایج این مقاله، دقت عملکرد 99.77 درصدی را بر روی مجموعه‌داده lfw نشان می‌دهد.