دانلود ترجمه مقاله حداقل از دست دادن حاشیه برای تشخیص عمیق صورت
ترجمه فارسی مقاله حداقل اتلاف حاشیه ای برای تشخیص چهره عمیق
.
دانلود مقاله انگلیسی با ترجمه فارسی : |
دانلود رایگان مقاله انگلیسی Minimum margin loss for deep face recognition |
خرید ترجمه فارسی مقاله حداقل اتلاف حاشیه ای برای تشخیص چهره عمیق |
.
بخشی از ترجمه فارسی مقاله : حداقل اتلاف حاشیه ای برای تشخیص چهره عمیق |
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. |
.
بخشی از مقاله انگلیسی : |
Minimum margin loss for deep face recognition |
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. |
.
مشخصات مقاله : | |
عنوان فارسی: حداقل اتلاف حاشیه ای برای تشخیص چهره عمیق |
|
عنوان انگلیسی: Minimum margin loss for deep face recognition |
|
تعداد صفحات مقاله انگلیسی : 9 | تعداد صفحات ترجمه فارسی : ۲۱ |
سال انتشار : ۲۰۲۰ | نشریه: الزویر – Elsevier |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
کد محصول : ۱۰۵۹۹ | رفرنس : دارد |
محتوای فایل : zip | حجم فایل : ۵٫۴۲Mb |
رشته های مرتبط با این مقاله: مهندسی کامپیوتر | |
گرایش های مرتبط با این مقاله: هوش مصنوعی، مهندسی الگوریتم ها و محاسبات |
|
مجله: تشخیص الگو – Pattern Recognition | |
دانشگاه: دانشکده محاسبات، دانشگاه اولستر در جردنستاون، انگلستان |
|
کلمات کلیدی: یادگیری عمیق، شبکه های عصبی کانولوشنی (CNN)، تشخیص چهره، حداقل اتلاف حاشیه ای (MML) | |
وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است | |
وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه شده است | |
وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است | |
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است |
.
دانلود مقاله انگلیسی با ترجمه فارسی : |
دانلود رایگان مقاله انگلیسی Minimum margin loss for deep face recognition |
خرید ترجمه فارسی مقاله حداقل اتلاف حاشیه ای برای تشخیص چهره عمیق |
.
مطالب مرتبط: |
دانلود مقالات کامپیوتر با ترجمه فارسی دانلود رایگان مقاله انگلیسی با ترجمه فارسی |
.
پشتیبانی : | |
شما پس از انتخاب دکمه خرید در سایت کالج پروژه به سایت ایران عرضه جهت انجام مراحل خرید هدایت خواهید شد. | |
– تلفن ثابت: ۰۴۱۴۲۲۷۳۷۸۱ – ساعات تماس: ۷ صبح الی ۱۸ عصر – آدرس ایمیل: iranarze.supt@gmail.com – تلگرام ایران عرضه: ۰۹۲۱۶۴۲۶۳۸۴ – پیامک: ۰۹۲۱۶۴۲۶۳۸۴ – آدرس: آذربایجان شرقی، مرند، خیابان کشاورزی، کوچه امین، پلاک ۳۰ – کد پستی: ۵۴۱۶۸۵۵۱۸۳ |
.
.