مقارنة بين نموذجين من نماذج التعلم الآلي للتعرف على الوجه

صفاء سالم محمد دخيلة , نور الدين على احمد , هالة الشاعري

الملخص

يعُد التعلم الآلي أحد أسرع الموضوعات تطورًا اليوم، حيث يعتبر الخط الفاصل بين الإحصاء وعلوم الكمبيوت، وكذلك علم البيانات. وهو نوع من الذكاء الاصطناعي حيث يسمح لتطبيقات البرامج بأن تصبح أكثر دقة في توقع النتائج دون أن تتم برمجتها بشكل صريح. ويتناول صعوبة طريقة تجميع الأدوات التي تعزز نفسها من خلال التجربة، والتوصل إلى استنتاجات بأقل قدر من المساعدة البشرية. لهذا الغرض، ستكون هناك حاجة لاستخدام الأساليب الإحصائية المختلفة لنماذج التعرف على الوجوه، مثل (DeepFace) و (OpenFace). الـ (DeepFace) هي مكتبة التعرف على الوجوه وتحليل سمات الوجه الأكثر وزنًا في لغة الـ (Python)، وهي حاليًا على وشك الوصول لمستوى دقة الإنسان. و من ناحية أخرى، تعُد (OpenFace) نموذجًا مفتوح المصدر للتعلم العميق للتعرف على الوجه، يعتمد على نموذج (Facenet) من (Google). في هذه الورقة، سنناقش مقارنة بين نموذجين (DeepFace) و(OpenFace) في التعرف على الوجوه من حيث معاير (الدقة و معدل الخطأ و وقت التحقق). حيث انه قد أظهرت (DeepFace) دقة أعلى بنسبة (3٪) من (OpenFace)، ومعدل خطأ أقل بنسبة (3٪). بينما تم سجلت (OpenFace)  وقت التحقق أقل من ( DeepFace) بمقدار (0.061323) ثانية.

النص الكامل

تم إنشاؤه من ملف XML

المؤلفون

صفاء سالم محمد دخيلة
safa.salem23@gmail.com (اتصال رئيسي)
نور الدين على احمد
هالة الشاعري
مقارنة بين نموذجين من نماذج التعلم الآلي للتعرف على الوجه. (2022). مجلة العلوم البحتة والتطبيقية , 21(4), 30-34. https://doi.org/10.51984/jopas.v21i4.2120
تنزيل الاقتباسات
Endnote/Zotero/Mendeley (RIS) BibTeX

تفاصيل المادة

كيفية الاقتباس

مقارنة بين نموذجين من نماذج التعلم الآلي للتعرف على الوجه. (2022). مجلة العلوم البحتة والتطبيقية , 21(4), 30-34. https://doi.org/10.51984/jopas.v21i4.2120

المؤلفات المشابهة

يمكنك أيضاً إبدأ بحثاً متقدماً عن المشابهات لهذا المؤلَّف.