مقاله #775

ما یک تکنیک جدید برای تشخیص چهره / شیء بر اساس مجموعه تصاویر ارائه می کنیم که در آن هر نمونه از گالری و کوئری (پرس و جو) شامل مجموعه ای از تصاویر چهره / شی ثبت شده از دیدگاه های مختلف، پس زمینه ها، حالات چهره، وضوح و سطح نور متفاوت است. اگر چه تاکنون چندین روش طبقه بندی بر اساس مجموعه تصاویر مطرح شده است، بسیاری از آنها هر مجموعه تصاویر را به عنوان یک زیرفضای تک خطی در نظر می گیرند یا ترکیبی از زیرفضاهای خطی یا گروه چندلایه ریمانی. این تکنیک ها چند فرض قبلی را در رابطه با سطح هندسی در نظر می گیرند که تصاویر روی آن قرار گرفته اند. این می تواند به از دست دادن اطلاعاتِ متمایز کننده برای طبقه بندی منجر شود. این مقاله این محدودیت ها را کاهش می دهد از طریق پیشنهاد یک مدل یادگیری تکرار شونده عمیق (IDLM) که به طور خودکار و سلسله مراتبی بازنمایی های متمایز کننده از تصاویر صورت و شیء را می آموزد. در روش پیشنهادی، ویژگی های سطح پایین توسط لایه تجمیعی کانولوشن (PCL) آموخته می شوند. سپس شبکه های عصبی مصنوعی (ANNs) بصورت تکرارشونده در مد سلسله مراتبی برای یادگیری یک بازنمایی غیر خطی از ویژگی های متمایز کننده مجموعه تصویر ورودی اعمال می شوند. روش پیشنهادی بطور گسترده بر اساس مجموعه تصاویر YouTube Celebrities و Honda/UCSD و CMU Mobo و ETH-80 مورد بررسی قرار گرفت. نتایج تجربی و مقایسه با روش های فعلی، نشان می دهد که روش ما به بهترین عملکرد در تمام این مجموعه داده ها دست یافته است.