Key points are not available for this paper at this time.
تعتبر تشابه الوجوه البشرية والتغيرات غير المتوقعة والشيخوخة من العقبات الأساسية في التعرف على الوجه. للتعامل مع ذلك، إذا تم استخدام مجموعة كبيرة من صور التدريب، فإن التعقيد الحسابي سيزداد نظرًا لأن الصور ذات أبعاد عالية، ولكن إذا تم إبقاء مجموعة التدريب صغيرة، فإن الأداء سينخفض. نظرًا لأن كل من التصنيف ومعلومات الميزات ضرورية لنظام التعرف، يتم استخدام DCT لتقليل التعقيد الحسابي وSVM للتصنيف. على الرغم من أن SVM هي أداة تصنيف شائعة، إلا أن العيب الرئيسي لـ SVM هو متطلبات الذاكرة الكبيرة ووقت الحساب للتعامل مع مجموعة بيانات كبيرة. لذلك استخدمنا أسلوب التعلم التزايدي، أي ISVM، لتجنب وقت التدريب الطويل واستهلاك الذاكرة في التعرف على الوجه. الميزة الكبرى لاستخدام التقنية المقترحة هي أنها لا تقلل فقط من وقت التدريب ووقت التحديث، ولكنها أيضًا تحسن معدل دقة التصنيف حتى 100%. تم إجراء تجارب على قاعدة بيانات وجه ORL وأثبتت النتائج أن وقت التدريب المستخدم من قبل ISVM هو أقل بكثير مقارنة بـ SVM، ولكن أيضًا تم رفع معدل التعرف إلى 100%. قدمت النتائج نظام التعرف على الوجه بدقة عالية باستخدام الأسلوب المقترح.
درس سيسوديا وآخرون (Mon,) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: