شناسایی چهره مقاوم نسبت به انسداد و تخریب برمبنای نمایش مشارکتی و کورآنتروپی

Abstract

مدل تُنُک مبتنی بر معیار شباهت کورآنتروپی، نوعی مدل طبقه‌بندی یا شناسایی چهره مبتنی بر روش نمایش تُنُک است که نسبت به نویز و انسداد در داده‌های آزمون، مقاوم است. در این مدل، ترکیبی خطی از تصاویر آموزشی، به نحوی تعیین می‌شود که برمبنای معیار کورآنتروپی، بیشترین شباهت را با داده آزمون داشته باشد و نُرم1 بردار ضرایب این ترکیب خطی، حداقل باشد. نُرم1، مشتق‌ناپذیر است و لذا، نمی‌توان برای حل این مدل، از روش‌های کارآمد مبتنی بر گرادیان استفاده کرد. برای ساده‌سازی این مدل و حل سریعتر آن با روش‌های مبتنی بر گرادیان، ضرایب ترکیب خطی، نامنفی در نظر گرفته‌ شده است. قید نامنفی بودن ضرایب ترکیب خطی، قید محدودکننده‌ای است که در صحت طبقه‌بندی، تاثیر منفی می‌گذارد. در این مقاله، برای رفع این مشکل، بجای نُرم1 از نُرم2 بردار ضرایب ترکیب خطی، استفاده می‌شود و دو روش سریع برای حل مدل جدید ارائه می‌گردد. به تعبیر دیگر، مدل پیشنهادی، مدل شناسایی چهره مبتنی بر نمایش مشارکتی است که از مفهوم کورآنتروپی برای مقاوم شدن مدل در برابر نویز و انسداد استفاده کرده است. آزمایش‌های انجام شده نشان می‌دهد که مدل پیشنهادی، نرخ صحت طبقه‌بندی و زمان اجرای بهتری نسبت به مدل نمایش تُنُک مبتنی بر کورآنتروپی با ضرایب نامنفی دارد.