تشخیص جنسیت افراد از روی تصویر چهره آن‌ها با استفاده از شبکه‌های عصبی عمیق

صفحه 1:


صفحه 2:
Be UES ere OER Rp kode er] ب ‎Fe‏ ‏:نگارنده ‏احمد مرادى استاد راهنما: دکتر محمود کشاورزی اساتید مشاور: دكب ‎vanes‏ رضا عيدريان دکتر سید مجتبی صباغ جعفری بهمن ۱۳۹۹ 

صفحه 3:
شناسایی جنسیت افراد از روی چهره آن‌ها جزو حوزه‌های پر کاربرد. مهم و قدیمی در پردازش تصویر بهره‌مندی از ضریب بالایی از دقت و اطمینان بکار گیری از سیستم‌های تشخیص جنسیت به دلیل کم‌هزینه گی و مقرون به صرفه بودن استفاده گسترده در فضاهلیی محتاج به جداسازی جنسیتی عدم وجود اشتباه ناشی از خستگی در امر نظارت 

صفحه 4:
تعیین هویت در مکان‌های عمومی که نیاز به تفکیک جنسیتی است مانند: استخر. ابگاه‌های دانشجویی و غیر: چهره‌نگلری پلیسی, مسایل نظامی, حقوقی و تعیین هویت سابقه‌داران 

صفحه 5:
هدف اصلی طراحی سیستم هوشمند برای شناسایی جنسیت افراد از روی تصویر چهره آن‌ها استفاده از شبکه‌های عصبی عمیق موجود برای شناسایی جنسیت پیشنهاد یک شبکه عصبی عمیق که دارای کارایی بهتری نسبت به شبکه‌های موجود باشد 

صفحه 6:
استفاه از هستجوی ‎Ata‏ ‏و تابيدن تصوير ورود ل رك || بيشتهادق 1 a Donahue 0 2 ۳۹۹ Girshick ۳ at S. Ren me ‏ور‎ Pascal vac- Ghia Voc Net ‏موز‎ Fast R- NN Faster R- ‘CNN 

صفحه 7:
استفاده از نقشدهاى ويزكى کمک ‎VGC.‏ و يتجردهاى بيش فر ‎ea Net‏ استفاده از بنج شبكه كاتولوشن ۲ ‎Wider‏ ‏بای استخراحویژگی ‎Face‏ Wider et ResNet خروجی هر لاه از شبكه ييه به ‎Wider‏ ‎Faster R-CNN‏ اير re S. Yang ‏مسا ظ‎ ©.€. Loy PHu 2 Ramanan S. Yang ¥. Xiong, ©... Loy X. Tang 

صفحه 8:
I I I | ‏مه‎ = | Krizhevsky me ao ; ‏آموزش بر روي دو کارت‎ + ‏اب‎ actiierer Net ‏يشرو ايش بوي‎ I 1 Hinton 3 es en en ee eee ۱ t ¥. Jia ‘Net ‏استفاده از ماژول تلقین.‎ + ۱ ۱ ‏بیع سس‎ i A ae 8 ‏ا‎ ie i ea aoe ‏د‎ 

صفحه 9:
مدل‌های آماری الهام گرفته شده از شبکه‌های عصبی بیولوژیکی قادر به مدل‌سازی و پردازش روابط غیرخطی بین ورودی و خروجی به طور موازی | ۱ ‎I‏ ‏| ‏, | پرسپترون | ساده‌ترین نوع شبکه عصبی ‎ne‏ ‏ابداع توسط روزنبلات 4 3 ‎I‏ ‎I‏ ‏۱ ‎I‏ ‎I‏ ‏۱ ‎I‏ شامل ۳ لایه نورون ~ - لیه ورودی © ا © - لایه خروجی @~ 

صفحه 10:
۲۵ ‏ره‎ Tee i Routt سوه 328 ماه 0 

صفحه 11:
پرسپترون چ زیرمجموعه‌ای از شبکه‌های عصبی مصنوعی شامل یک یا چند لایه پنهان بین لایه ورودی و خروجی پر کاربرد ترین مدل در شبکه عصبی استفاده از الگوریتم پس انتشار خطا به عنوان بخشی از مرحله یادگیری ليه ينوان 7 ‎١‏ لاي ينهان الكوريتم يس انتشار خطا حركت رو به جلو انتشار رو به عقب خطا 

صفحه 12:
ورودى اعمال شده به شيكه. پردار ورودی شبکه بردار برجسب مطلوب | بردار خروجى متناظر 

صفحه 13:
گرادیان کاهشی تصادفی گرادیان کاهشی دسته کوچک گشتاور AdaGrad AdaDelta RMSprop Adam 

صفحه 14:


صفحه 15:
Bic ne eee پیشنهاد شده توسط یلن لکون و همکاران استفلده از شبکه‌های عصبی کانولوشن برای تجزیه و تحلیل تصاویر تعداد زیاد لایه‌ها اتصال هر نورون فقط به قسمتی از ورودی (ناحیه دریافتی) استفلده از وزنهای پنجرهای (فیلترها) استفاده از چند فیلتر در هر لایه ( چند خروجی در هر لایه ) مناسب برای دادههای تصویری توانایی دسته‌بندی و استخراج خصوصیات و ویژگی‌های تصویر متشکل از سه لایه اصلی 

صفحه 16:
یاد گیری انتقالی استفاده از دانش کسب‌شده توسط یک سیستم یاد گیری, در انجام یک فعالیت متفلوت ولی مر تبط + از پیش آموزش دیده ۰ بازتنظیم 

صفحه 17:
از ۳ شبکه کانولوشن ۱۱6 ‎O-Net 5 P-Net.‏ قادر به تشخیص چهره پنج موقعیت برجسته صورت استفاده از مجموعه داده ۴۵6۴ ‎۷۱0۴٩‏ برای آموزش شبکه - حاوی ۳۲۲۰۳ تصویر و ۳۹۳۷۰۳ چهره با برچسب 

صفحه 18:
ارائه توسط سیمونیان و همکاران پرنده‌ی رقابت 2013 ‎ILSVRC‏ ‏ارائه در پیکر بندی‌هلی مختلف آموزش با ۱۶ میلیون تصویر تصویر ورودی ۲۲۴۰۲۲۴۶۳ 

صفحه 19:
از روى تصوير جهره فلوچا ارت روش پیشنهادی few een Deore rr 

صفحه 20:
۰ تصوير جهره دو دسته چهره مرد و چهره زن حدود ۷۰۰۰۰ شخص متفاوت 0 زاويه متماب ‎٠٠‏ حالت چهره متنوع نژادهای گوناگون 

صفحه 21:
ia آع ۵ ۵ ۵ ۵ ‎Bane‏ ‏انها اها اها انها اها سب 40 1 5 Rete ee LT RES eT TOE lo aed 

صفحه 22:
Rete ee LT RES eT TOE lo aed شناسایی چهره استفاده از شبکه‌ی ازپیش آموزش دیده(!۷/۲0۱ ايجاد هرم تصوير وارد كردن تصلوير مقیلس بندی شده به ۴-۱۱61 حرکت در تصویر و حدس نواحی وجود چهره ایجاد کادرهای محصور کننده در صورت یافتن چهره استاندارد سازی مختصات حذف کادرهای با سطح اطمینلن پا ذخیره مختصات کادرهای محصورکننده باقی‌مانده انتقال کادرهای باقی‌مانده به 8-۱16۲ عملکردی همانند ۳-۱۱6۲ و حذف کادرهای با سطح اطمینان پایین انتقال کادرهای باقی‌مانده به 0-۱164 عملکردی همانند ۳-۱۱6۲ » ‎R-Net‏ و حذف کادرهای با سطح اطمینان پایین بر گرداندن سه خروجی شامل مختصات کادرهای محصور کننده, مختصات پنج نقطه برجسته چهره و سطح اطمینان هر کادر 

صفحه 23:


صفحه 24:
برش چهره‌های شناسایی ‏ ایی شده و حذف جزییات ۶ ف جزبيات غير مفيد 988 

صفحه 25:
ساخت مدل برای دسته‌بندی استفاده از مدل ۷6616 نگه‌داشتن لایه‌های استخراج کننده ویژگی حذف لایه‌های مربوط به دسته‌بندی اضافه کردن ۳ لایه تمام متصل برای دسته‌بندی مسئله مورد نظر استفاده از تابع فعللساز لاع در دو لايه اول و 50۲73 در لایه نهایی بهره بردن از بهینه‌ساز ۸۵۸ دارا بودن مدل ساخته شده از حدود ۲۰ میلیون پارامتر ‎ -‏ ۱۵ میلیون پارامتر ثابت نگه داشته‌شده = ۵ میلیون پارامتر با قابلیت آموزش 

صفحه 26:


صفحه 27:
آماده سازی داده‌ها استفلده از کلاس 66۳6۲۲0۲ ۱۳۱۵96]2312 برای بار گذاری خود کار مجموعه‌داده‌های آموزش: تست و ارزیابی استفاده از یک تکرار گر برای بارگذاری تدریجی داده‌ها اندازه دسته تصاویر مناسب اب تعداد دسته تصاویر برای آموزش تکرار گر آماده شدن تکرار گر و استفلده از آن هنگام برازش و ارزیلبی مدل 

صفحه 28:
لس را اس آموزش مدل اختصاص ۱۲۰۰۰ تصویر برای داده‌های ارزیابی اختصاص ۲۶۰۰۰ ۱تصویر برای داده‌های آموزش تقسیم مجموعه‌داده آموزش به شش قسمت ثابت نگه‌داشتن پارامترهای لایه‌های استخراج کننده ویژگی تنظیم پلرامترهای لایه‌های تمام متصل مدل ساخته‌شده آموزش مدل در شش مرحله استفاده از توقف زودهنگام برای تعیین تعداد دوره و توقف روند آموزش (آزمایش اول) استفاده از حذف تصادفی و سعی در یافتن بهترین و مناسبت برای آموزش به صورت تجربی (آزمایش دوم) تعداد دوره 

صفحه 29:
استفاده از مدل در تصاویر چند چهره استفلده از ۳ هزار تصویر برای داده‌های تست - ۴۸۵۹ چهرهزن - ۴۱۶۰ چهره مرد * برچسب گذاری تصاویر به صورت _۲03_75_ برای سهولت MTCNN 454i @ ‏اعمال تصاویر‎ * * بدست آوردن مختصات چهره‌ها و برش آن‌ها * _ استفاده از مدل ساخته‌شده برای پیش‌بینی جنسیت افراد از روی چهره 

صفحه 30:
بتفاده از مدل در تصاویر چند چ >. 

صفحه 31:


صفحه 32:
آزمايش اول wer ar wn wav were 3 5 we <a wie ‏دقت دادمهاى آمويش سه‎ . ‏دادمهاى ايزيابي‎ ads 2 3 4 5 6 ‏لقتل هورة‎ و wu 90 هف درس 

صفحه 33:
۱ ی | دفت در داده‌های: ۱ ‎one) 1] 1‏ | 1 ‎AM.‏ ۹۳۴۸ ۹۳۳۳ ۹۳۶۹ ۹۳ مت املو ۴۳۳ ۱۵۳۶۵ راو ‎٩۳۲۵‏ ۱-۸۹۰ ۱۶۴۲۵ ۳ ۸ المعو ۹۳۱۲۸ 121۳ 

صفحه 34:
دفت دادههای ارزبابی سه- دفت داد‌های آموزش سوت 

صفحه 35:
از روی تصویر چهره آن‌ها با دقت مدل ساخته ش چهره نشده 

صفحه 36:
E 1 1 3 ‏أ‎ ‎١ : 3 1 826 ۲۵ ۶۱ ۸0۱ ۳1 0 ۱ اس مس مت ا q Se 

صفحه 37:
a 3, 4 افراد در نژادهای گوناگون 

صفحه 38:
توا انمندی مدل در تشخیص جذ 6 ‎Ss‏ قن لس رص إلى 30 لم لم لحن وى لد | ختلف جهره از روى تصوير جهره ۱ 3 

صفحه 39:
aaa افراد در زاویه‌های متفاوت چهره | توانایی مدل در > (تمام‌رخ سه‌رخ و نیم‌رخ) ۱۱826 ۱۴0 ۲ M100.0% 1100.096 3100.096 ۵ 

صفحه 40:
1M 1000% M1000% 100.0% 

صفحه 41:
1 | عدم یافتن چهره موجود در تصویر(خطاهای شبکه (۲۲(۱) رین ممصا | 100.0% 100.0% M1000% 100.0% ۱ ۸ 

صفحه 42:
شناسایی بخش فاقد چهره در تصویر به عنوان چهره (خطای شبکه (MTCNN 7 ‎m1000% Wi00.0% Mai‏ 2 ا ‏۴ 5 :2 ع ‎W100.0% ۰۱۱1۵00۶ 100.0% ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 43:
پرداختن به شاخه‌های دیگری از تحلیل چهره از قبیل: *_ تشخیص حالات چهره و احساسات تشخیص سن افراد * _ تشخیص جهت قرارگیری چهره طراحی مدلی با عمومیت بیشتر. با افزودن کلاس غیر انسان و آموزش مدل با مجموعه‌داده‌های عظیم و تلاش برای بهبود نتایج 

صفحه 44:
٠ Y. Lecun, L. Bottou, ¥. Bengio, and P. Haffner, “Gradient- based learning applied to document recognition,” Proc. IEEE, vol. 86, no. 11, pp. 2278-2324, Nov. 1998. ۱ I I | ٠ K. Zhang, Z. Zhang, Z. Li, S. Member, Y. Qiao, and S. ۱ Member, “Joint Face Detection and Alignment using Multi - task Cascaded Convolutional Networks,” IEEE Signal | Process. Lett., vol. 23, no. 10, pp. 1499-1503, 2016. ۱ I ۱ I | | ٠ K. Simonyan and A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” 3rd Int. Conf. Learn. Represent. ICLR 2015 - Conf. Track Proc., pp. 1-14, 2015. 

صفحه 45:
کی 49 0 | از وحم صار رم 

صفحه 46:
آزمایش اول (افزایش عرض لایه‌ها) ۱ ‏افزایش عرض لایه‌ها از ۳۰۰ و ۱۰۰ نورون, به ۴۰۰ و ۲۰۰ نورون‎ [22777 | ob) | ea ۱ ۱ ۷ 1-00) aver ‏علقم‎ ‎| ۶ 1۳۶۹ ara ۸۸۷۰ ۱ ۰ ۶ a sors ‏لكيه‎ ‎۱ ۰ 18 ۵ aan) ۹۵۸ ‏عليه‎ ‎۱۳" ۰ ۷ ۱۰۳۳ sore uw | ve... ۶ wer sory ase 

صفحه 47:
آزمایش دوم(افزایش تعداد لایه‌ها) افزایش تعداد لایه‌ها از ۲ لایه تمام متصل به ۳ لایه تمام متصل (بجز لایه خروجی) که در ‎SOY‏ ‏اول ۴۰۰؛ لایه دوم ۲۰۰ و لایه سوم ۱۰۰ نورون قرار دادیم | ۱ ۷ ry ۹۳۹ ۸2۹ ۶ 1۳۳۲ 1۳۸۹ ۸۸۷۰ Press ۵ ۱-۶۸ ۹۴۳۴ 1۰۶۷ Jove... oes 3 ۱۴۳۶۵۲ ۹۵.۸ ۹۱4۵۹ ۱ ۳۴۳.۰ ۵ ۹۸۳۱ ۹2۳۸ ‏يقل‎ | ۶ Were tea ar 

صفحه 48:
آزمایش سوم(افزودن 49 ‎(CNN‏ افزودن یک لایه 2۱(۷) به آخرین لایه فریز شده به همراه ۳ لایه تمام متصل ۹۶۵ ۸۶-۹ ۹۶۶۶ ۹۱۶۵ ۹۶۶۲ sy ۹۶۹۸ ۹۱۵۲ ۹۶-۰ ara I I I | | | ۹۶۶۹ ‏املق‎ | | ۱ I I I oray ۱۶۰۶۷ ۳۳۸۰۱ Vevey ۴۰۶۵۷ 

صفحه 49:
۱ lo ded 

صفحه 50:
ADAM 

صفحه 51:
عملیات کانولو شن ١ 0