به نقل از «مهر»

شناسایی حالت چهره در شرایط کنترل نشده با هوش مصنوعی

تاریخ انتشار: ۵ آذر ۱۳۹۹ | کد خبر: ۳۰۰۹۶۸۴۳

 به گزارش خبرگزاری مهر به نقل از دانشگاه صنعتی امیرکبیر، دکتر حمید صادقی فارغ‌التحصیل دانشگاه صنعتی امیرکبیر و مجری طرح «شناسایی حالت چهره مستقل از شخص در تصاویر کنترل‌نشده» عنوان کرد: تحلیل تصاویر چهره در دنیای امروز کاربردهای زیادی دارد. یکی از تحلیل‌های مهم در چهره، تشخیص یا شناسایی احساسی است که فرد در چهره خود ابراز می‌کند (خشم، تنفر، ترس، شادی، غمگینی، تعجب و عادی) که به آن حالت چهره گفته می‌شود.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

 

وی افزود: حال سوالی که مطرح می‌شود این است که شناسایی حالت چهره چه کاربردی دارد که برای پاسخ به این سوال  فرض کنید یک پزشک بخواهد به‌طور مداوم در طول شبانه‌روز شرایط بیمار را ثبت و آمار آن را بررسی کند. 

وی ادامه داد: با استفاده از یک دوربین و پردازنده می‌توان چهره فرد را همواره به‌صورت خودکار بررسی، حالت چهره آن را شناسایی و برای پزشک ثبت کرد؛ حالت درد در چهره، یکی از حالت‌های چهره‌ای است که می توان برای این مسأله متصور بود. 

به گفته فارغ التحصیل دانشگاه صنعتی امیرکبیر، از این دست نیازها در دنیای اطراف ما بسیار زیاد است. 

وی با اشاره به یکی از ضعف‌های تشخیص حالت چهره گفت: افت کارایی روش‌های موجود در مواجه با تصاویر دنیای واقعی (غیر آزمایشگاهی) یا به اصطلاح «تصاویر کنترل‌نشده» از ضعف های این حوزه به شمار می‌رود. 

وی اضافه کرد: به همین دلیل، ما در این رساله دکتری به دنبال شناسایی حالت چهره در تصاویر کنترل‌نشده بودیم؛ یعنی تصاویری که خارج از شرایط آزمایشگاهی و در محیط واقعی ثبت می‌شود. به‌عنوان مثال در این تصاویر فرد لزوماً به‌طور مستقیم به دوربین نگاه نمی‌کند.

وی خاطر نشان کرد: در این تحقیق، با استفاده از هوش مصنوعی روش‌های جدیدی ارائه کردیم که باعث شد شناسایی حالت چهره هم در تصاویر کنترل‌شده و هم در تصاویر کنترل‌نشده که پیچیدگی بیشتری دارند، با دقت بسیار بهتری نسبت به دیگر سامانه‌های موجود انجام شود.  

وی عنوان کرد: روش‌های جدید ارائه‌شده در این تحقیق، محدود به شناسایی حالت چهره نیستند و می‌توانند در مسائل مختلف یادگیری ماشین نیز استفاده شوند. این ادعا با آزمایش در مسائل مختلف (مثل تشخیص نوع اشیاء) اثبات شده‌است.  

وی با بیان اینکه یکی از مهم‌ترین تئوری‌هایی که در این تحقیق مطرح شد، یک روش یادگیری متریک برای طبقه‌بندی ویژگی‌های هیستوگرامی است، گفت: محققانی که در زمینه بینایی ماشین کار می‌کنند، به‌خوبی می‌دانند که ویژگی‌های هیستوگرامی استفاده زیادی در این زمینه دارند و روش ارائه‌شده در حل این مسائل بسیار مؤثر خواهد بود. 

صادقی افزود: چهره‌های تصاویر کنترل‌نشده معمولاً پیچیدگی‌های زیادی دارند. مثلاً تغییرات شدید زاویه سر، پوشیدگی بخش‌های مختلف چهره، شرایط نوری نامناسب، ابعاد کوچک چهره در تصویر و ... همگی از عواملی هستند که دقت شناسایی حالت چهره را تحت تأثیر قرار می‌دهند. با این توصیف، شناسایی حالت چهره در تصاویر کنترل‌نشده مثل یک مسأله بسیار پیچیده است.  

وی افزود: در یادگیری ماشین، برای حل این مسائل بهتر است که از یادگیری مبتنی بر نمونه استفاده شود. اگر کمی پیشرفته‌تر به مسأله نگاه کنیم، می‌توان از یادگیری متریک به‌عنوان یک رویکرد  پیشرفته از یادگیری مبتنی بر نمونه در این نوع مسائل استفاده کرد. با این پیش‌زمینه، رویکرد یادگیری متریک برای شناسایی حالت چهره در تصاویر کنترل‌نشده انتخاب شد.  

وی خاطر نشان کرد: در شناسایی حالت چهره، ابتدا تصویر چهره با مجموعه‌ای از اطلاعاتی که به آن بردار ویژگی گفته می‌شود، توصیف می‌شود. در ادامه از یک روش یادگیری ماشین برای طبقه‌بندی این ویژگی یا تعیین نوع حالت چهره استفاده می‌شود.  

وی گفت: ویژگی‌هایی که در بینایی ماشین و پردازش تصویر استفاده می‌شوند معمولاً از جنس هیستوگرام هستند؛ به همین دلیل، در این طرح یک روش جدید یادگیری متریک جدید با هدف طبقه‌بندی ویژگی‌های هیستوگرامی ارائه کردیم که مبنای ریاضی آن استفاده از فاصله مربع کای است.  

وی ادامه داد: گام بعدی در این تحقیق این بود که به‌جای استفاده از ویژگی‌های متداول هیستوگرامی، یک ویژگی قابل یادگیری برای کاربرد مد نظر خود طراحی کنیم.  

وی با بیان اینکه برای تحقق این هدف، یک شبکه عصبی کانولوشنی طراحی شد که ویژگی‌های از جنس هیستوگرام از تصویر استخراج می‌کند، گفت: این شبکه عصبی از تئوری یادگیری متریک بومی ذکرشده برای شناسایی حالت چهره استفاده می‌کند.

به گفته وی، با استفاده از این شبکه عصبی، نه تنها بخش طبقه‌بندی، بلکه بخش استخراج ویژگی از تصویر هم قابل آموزش بوده و باعث می‌شود دقت شناسایی حالت چهره افزایش قابل توجهی داشته باشد. 

وی با اشاره به کاربرد این تحقیقات گفت: تئوری‌های یادگیری متریک و همچنین شبکه عصبی کانولوشنی ارائه‌شده در این تحقیق در حل مسائل مختلف پردازش تصویر و بینایی ماشین قابل استفاده است. علاوه بر مسائل حوزه بینایی ماشین، روش یادگیری متریک ارائه‌شده می‌تواند در طبقه‌بندی سایر ویژگی‌های مبتنی بر هیستوگرام نیز استفاده شود. 

وی با اشاره به مزیت های رقابتی طرح گفت: علاوه بر دقت بالاتر نسبت به روش‌های دیگر، در این پژوهش سعی شده‌است که پیچیدگی محاسباتی در الگوریتم طراحی‌شده هم پایین باشد تا پیاده‌سازی آن هزینه زیادی دربرنداشته باشد. به‌عنوان مثال، معماری شبکه عصبی پیشنهادی در این تحقیق برمبنای بخشی از شبکه عصبی کانولوشنی شناخته‌شده MobileNet (نه تمام این شبکه عصبی) است که محاسبات نسبتاً کمی دارد. 

وی با اشاره به کاربردهای این پروژه گفت: معرفی این پروژه را با یک کاربرد پزشکی (تشخیص درد در چهره) انجام دادیم. اما روش‌های ارائه‌شده برای شناسایی حالت چهره در این تحقیق می‌توانند در کاربردهای مختلفی مانند ساخت ربات‌های با قابلیت تشخیص حالت چهره انسان، ارتباط انسان با رایانه، هوشمندسازی پخش موسیقی متناسب با حالت چهره فرد و ... مورد استفاده قرار گیرند. 

به گزارش خبرنگارمهر، استاد راهنمای این پروژه دکتر ابوالقاسم اسدالله راعی عضو هیئت علمی دانشگاه صنعتی امیرکبیر بوده است.

کد خبر 5074616 میترا سعیدی کیا

منبع: مهر

کلیدواژه: دانشگاه امیرکبیر دوربین هوش مصنوعی ویروس کرونا شرکت دانش بنیان معاونت علمی و فناوری ریاست جمهوری تحقیقات علمی نوآوری تولید دانش بنیان گوگل فناوری نانو حاکمیت سایبری واکسن کرونا هوش مصنوعی روسیه فناوری فضایی آزمایشگاه

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.mehrnews.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «مهر» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۰۰۹۶۸۴۳ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

ویژگی‌های حضرت حمزه(س) در بیان قرآن و روایات

سخنران حرم مطهر حضرت معصومه سلام‌الله‌علیها گفت: حدود ۳۰ آیه قرآن کریم به حضرت حمزه سید الشهدا تطبیق داده شده است. - اخبار استانها -

به گزارش خبرگزاری تسنیم از قم، حجت‌الاسلام‌ ناصر رفیعی در محفل معارفی حرم مطهر بانوی کرامت، ضمن اشاره به سالروز شهادت حمزه سیدالشهدا(ع) و بزرگداشت وفات حضرت عبدالعظیم حسنی(ع)، ماه شوال را سالروز جنگ احد در مدینه دانست و اظهار داشت: جنگ احد در سال سوم هجری و به‌نوعی انتقام شکست مشرکین از مسلمین در جنگ بدر بود.

رفیعی افزود: این جنگ که در آغاز با پیروزی مسلمین همراه بود؛اما در نهایت به‌خاطر تخلف برخی، مسلمانان شکست خوردند و 70 نفر شهید شدند که حضرت حمزه سیدالشهدا(ع) یکی از این شهدای والامقام است.

 وی تبیینی از جنگ احد ارائه کرد و با بیان این که روزها در گردش است و یاری خدا در گرو استقامت در تلاش و همت است، «وَأَنْ لَیْسَ لِلْإِنْسَانِ إِلَّا مَا سَعَی» افزود: در جنگ احد وقتی شایع شد که پیامبر(ص) از دنیا رفتند، برخی فرار کردند؛ خداوند در قرآن کریم می‌فرماید؛ «أَفَإِنْ مَاتَ أَوْ قُتِلَ … ؛ آیا اگر پیامبر بمیرد یا کشته شود به سنت پیشینیان خود باز می‌گردید؟»؛ و نشان می‌دهد که اسلام شخصیت‌محور و وابسته به فرد نیست.

سخنران حرم مطهر بانوی کرامت ضمن اشاره به ایثارها و رشادت مسلمین در جنگ احد، با بیان این که حضرت حمزه(ع) محکم پای دفاع از پیامبر ایستاد، گفت: بازشناسی و معرفی حضرت حمزه را می‌توان از چهار طریق قرآن، احادیث پیامبر، کلمات ائمه اطهار علیهم‌السلام درباره حمزه و خود زندگی ایشان دنبال کرد.

 وی گزارشی از همایش بین‌المللی حضرت حمزه و تدوین کتاب هشت‌جلدی درباره این شخصیت ولای جهان اسلام ارائه نمود و بیان کرد: در ذیل حدود 30 آیه قرآن کریم به حضرت حمزه اشاره نموده، مفسرین و روایات آن را بر حضرت حمزه تطبیق داده‌اند که از جمله آن می‌توان به آیه 23 سوره احزاب «مِنَ الْمُؤْمِنِینَ رِجَالٌ صَدَقُوا مَا عَاهَدُوا اللَّهَ عَلَیْهِ فَمِنْهُمْ مَنْ قَضَی نَحْبَهُ وَمِنْهُمْ مَنْ یَنْتَظِرُ وَمَا بَدَّلُوا تَبْدِیلًا» اشاره کرد.

رفیعی با بیان این که در جنگ بدر که در 17 رمضان روی داد هزار نفر از مشرکین در مقابل 313 نفر از مسلمین شکست خوردند؛ به سلحشوری‌های امیرالمؤمنین علی علیه‌السلام، حضرت حمزه و عبیده در این جنگ اشاره نمود و یادآور شد: آیه 28 سوره ص و آیه 19 سوره حج را می‌توان تبیینی از این رویداد مهم تاریخ اسلام دانست.

 سخنران حرم مطهر بانوی کرامت به کلمات پیامبر(ص) راجع به حضرت حمزه اشاره و با بیان این که حمزه محبوب و موردتوجه پیامبر(ص) بود، گفت: پیامبر اعظم صلی‌الله علیه و آله می‌فرمایند؛ کسی که به مدینه بیاید و به زیارت حمزه نرود به من جفا کرده است.

وی بر اهمیت پاسداشت سالروز شهادت حضرت حمزه تأکید نمود و اظهار داشت: پیامبر خدا فرمودند: «علی قائم العَرشِ مَکتوبٌ؛ حَمزةُ أسَدُ اللّه ِ و أسَدُ رسولِهِ و سَیّدُ الشُّهَداءِ»، بر ستون عرش نوشته شده است؛ حمزه، شیرخدا و شیر رسول خدا و سیّد شهیدان است.

 سخنران حرم مطهر بانوی کرامت به روایت نبوی «أَحَبُّ إِخْوَانِی إِلَییَ عَلِییُ بْنُ أَبِی طَالِبٍ وَ أَحَبُّ أَعْمَامِی إِلَییَ حَمْزَةُ» اشاره و حضرت حمزه را محبوب‌ترین عموی پیامبر دانست و تصریح کرد: پیامبر خدا در روایتی می‌فرمایند؛ حضرت حمزه اجازه نمی‌دهد، در روز قیامت محبینش وارد جهنم شوند؛ یعنی حضرت حمزه حق شفاعت دارد.

 وی روایات اهل‌بیت علیهم‌السلام دررابطه‌با حضرت حمزه را موردتوجه قرار داد و افزود: بر اساس شواهد تاریخی بعد از سقیفه وقتی امیرالمؤمنین علیه‌السلام از پله‌های مسجد پیامبر بیرون آمدند، در جمله‌ای نسبت به ناملایماتی که بر ایشان گذشت؛ فرمودند، «واحمزتا واجعفرا»؛ اگر حمزه و جعفر بود این جسارت‌ها انجام نمی‌گرفت.

رفیعی به فرازهایی از نامه 28 نهج‌البلاغه اشاره نمود و بیان کرد: امیرالمؤمنین علی (ع) در این نامه به معاویه می‌نویسد، ما مسلمانان افتخاراتی داریم که نخستین آن رسول‌الله صلی‌الله علیه و آله است؛ افتخار دیگر ما حسن و حسین سید شباب اهل الجنه، فاطمه زهرا خیر نساء العالمین و حمزه سید الشهداست؛ حضرت در این نامه به حضرت حمزه افتخار می‌کنند.

انتهای پیام/