کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

معرفی یک رویکردبهینه شده تشخیص هوشمند گوش با استفاده از یادگیری عمیق

نویسندگان :

ندا برزوئی¹

1- دانشگاه پیام نور

کلمات کلیدی :

تشخیص هویت،شبکه‌های عصبی کانولوشیونی،یادگیری عمیق،تشخیص گوش،تحلیل مؤلفه‌های اصلی

چکیده :

شناسایی افراد با استفاده از روش بیومتریک مبتنی بر گوش یک روش قابل اعتماد و مقاوم برای شناسایی هویت فردی است، زیرا گوش ویژگی‌های ساختاری پایدار و یکتایی دارد. تشخیص بیومتریک گوش. در سال‌های اخیر به دلیل افزایش تقاضا در امنیت و کاربردهای نظارت، محبوبیت زیادی پیدا کرده است. با پیشرفت‌های مداوم در شبکه‌های عمیق کانولوشنی، سیستم‌های بیومتریک مبتنی بر یادگیری عمیق بهبودهای زیادی را در حل چالش‌های قدیمی و/یا ناقص به دست آورده‌اند. این پژوهش یک روش شناسایی بهینه معرفی می‌کند که از EfficientNet برای استخراج ویژگی‌های عمیق و از تحلیل مؤلفه‌های اصلی (PCA) برای کاهش ابعاد استفاده می‌کند تا دقت و کارایی محاسباتی ارتقا یابد. به منظور مقابله با چالش‌هایی مانند تغییرات زاویه دید، روشنایی و انسداد، از تکنیک‌های پیش‌پردازش تصویری پیشرفته‌ای مانند هم‌سطح‌سازی هیستوگرام وفقی (AHE) و فیلتر Gaussian بهره گرفته شده است. مدل بر روی مجموعه‌های داده عمومی متعددی چون IIT Delhi-I،AMI ، USTB Ear وEarVN1.0 آموزش و ارزیابی شده است که نشان‌دهنده عمومیت بالای آن در شرایط تصویربرداری مختلف است. نتایج تجربی نشان می‌دهد که دقت طبقه‌بندی به مقدار ۹7.5٪ می‌رسد و از مدل‌های سنتی CNN فراتر می‌رود. علاوه بر این، سیستم کارایی محاسباتی را بهبود می‌بخشد و به طور میانگین زمان پردازش ۲.5 ثانیه برای هر تصویر را ارائه می‌دهد. این یافته‌ها پتانسیل به‌کارگیری بیشتر EfficientNet و PCA را در پیشبرد شناسایی بیومتریک گوش روشن می‌کند و راهکار مقیاس‌پذیر و مؤثری را برای استفاده از بیومتریک گوش در دنیای واقعی ارائه می‌دهد