|
ترجمه مقاله نگاهی به توصیفگر ویژگی H.O.G
تعداد صفحات ترجمه این مقاله 8 صفحه و در فایل ورد است فایل دانلودی این مقاله در فرمت زیپ است که شامل فایل ورد و پی دی اف ترجمه مقاله و فایل اصلی مقاله به زبان انگلیسی است
|
|
| دسته بندی | کامپیوتر و IT |
| فرمت فایل | zip |
| حجم فایل | 4640 کیلو بایت |
| تعداد صفحات فایل | 8 |
A Take on H.O.G Feature Descriptor
Face
recognition is one of the most sought-after technologies in the field
of machine learning. There are two phases in such a system: Face
Detection followed by Face Recognition.
Initially, the faces are
detected using a Haar Cascade Classifier on an image in conjunction with
the cropping of the cardinal section of the face. A geometric face
model is formed with the detection of eyes performed using the Haar
Cascade Classifier, while nose detection has been used as a
reaffirmation mechanism along with the eyes.
Later, HOG features are
extracted from large numbers of facial images to be used as part of the
recognition mechanism. These HOG features are then labeled together for a
face/user and a Support Vector Machine(SVM) model is trained to predict
faces that are fed into the system.
ترجمه بخشی از مقاله:
نگاهی به توصیفگر ویژگی H.O.G
شناسایی چهره، یکی از پرطرفدارترین فناوری ها در زمینه یادگیری ماشین است. در چنین سیستمی دو مرحله وجود دارد: تشخیص چهره در ادامه شناسایی چهره.
در ابتدا، چهره ها با استفاده از یک دسته بندی کننده آبشاری هار بر روی یک تصویر همراه با برشی از بخش اصلی چهره تشخیص داده می شود. یک مدل چهره هندسی با تشخیص چشم ها که با استفاده از دسته بندی کننده آبشاری هار انجام شده، شکل می گیرد؛ در حالی که تشخیص بینی بعنوان یک مکانیسم تایید دوباره همراه با چشم ها استفاده شده است.
سپس، ویژگی های HOG از تعداد زیادی تصاویر صورت استخراج می شوند تا بعنوان بخشی از مکانیسم شناسایی استفاده شوند. سپس، این ویژگی های HOG همراه با یک چهره/کاربر برچسب گذاری می شوند و یک مدل ماشین بردار پشتیبانی (SVM) برای پیش بینی چهره هایی که در سیستم تغذیه (فید) می شوند، آموزش داده می شود.
