تشخیص و شناسایی جنسیت با هوش مصنوعی

تشخیص و شناسایی جنسیت:

امروزه بحث امنیت، تشخیص و تایید هویت اهمیت ویژه ای در زندگی اجتماعی انسان پیدا کرده است. تشخیص هویت انسان بر اساس چهره یکی از مسائل مهمی است که از 50 سال گذشته ذهن بشر را به خود مشغول کرده است. یکی از راههای بهبود شناسایی چهره، که در مرحله قبل از شناسایی می توان انجام داد، شناسایی جنسیت است. تشخیص جنسیت از تصاویر چهره ای، به دلیل کاربردهای فراوان آن در امنیت، جستجوی وب، تعاملات انسان و کامپیوتر و غیره، توجه زیادی را به خود جلب کرده است. يکي از ابزارهاي هوش مصنوعي شبکه هاي عصبي عمیق است که امروزه مورد توجه بسياري از محققان و دانش پژوهان مي باشد. بدليل قابليت هاي فراوان اين ابزار در کاربردهاي مختلف، مدل هاي گوناگوني براي آن طرح شده است که يکي از اين مدل ها، شبکه هاي عمیق چند لايه کانولوشنی عمیق است که با الگوريتم پس انتشار خطا آموزش داده مي شوند. بعد از عمل تشخیص چهره، عمل نرمال سازی شامل نرمال سازی پیکسل و تعدیل هیستوگرام، روی چهره ها به منظور ورودی برای طبقه بندی جنسیت انجام می گیرد که این باعث افزایش نرخ طبقه بندی می شود. همچنین مقایسه ای بین روش های طبقه بندی جنسیت، از جمله روش ماشین بردار پشتیبان، آدابوست حدآستانه و روش مبتنی بر الگوی دودویی محلی و یادگیری عمیق نشان می دهد که روش های یادگیری عمیق دقت و کارایی بالاتری را نسبت به سایر روش های دیگر دارند. الگوریتم های شناسایی چهره كه در سخت افزارهای اسكن صورت و محصولات مختلف امنیتی به كار گرفته می شوند، در مورد برخی نژادها و جنسیت ها عملكرد ضعیف تری دارند و بعنوان مثال در مورد برخی افراد به دشواری می توانند چهره یك فرد را با عكس گذرنامه وی تطبیق دهند. در مورد برخی جنسیت ها و نژادها این ضعف در زمان تطبیق عكس یك جنایتكار با مجموعه گسترده ای از تصاویر یك پایگاه داده رخ می دهد و سیستم های تشخیص چهره نمی توانند با استفاده از عكس دریافتی، هویت آن فرد را از راه تطبیق عكس ها در پایگاه داده بیابند. همینطور میزان اشتباه در مورد زنان بیشتر از مردان بوده است. منظور از تشخیص جنسیت این است که زن ها یا مردها را در تصویر یا ویدئو تشخیص دهد و منظور از شناسایی این است که جنسیت آنها را شناسایی کند. در شکل زیر نمونه ای از خروجی این دوره آموزشی آورده شده است:

کاربردهای تشخیص و شناسایی جنسیت:

• تشخیص چهره
• کنترل عبور و مرور افراد
• شمارش افراد با جنسیت های مختلف
• کاهش نیروی انسانی
• صرفه جویی در زمان و هزینه
• ردیابی افر اد
• …

چالش های تشخیص و شناسایی جنسیت:

• تنوع تصاویر
• ویژگی های مهم تصاویر؟
• شباهت و همپوشانی تصاویر
• زمان پردازش تصویر
• دقت تشخیص و شناسایی
• چرخش و تغییر اندازه افراد
• کلاس های نامتوازن
• کمبود داده

هدف از این دوره آموزشی: