تفاصيل الوثيقة نوع الوثيقة : رسالة جامعية  عنوان الوثيقة : نظام للقياسات الحيوية معتمد على التعلم العميق A DEEP LEARNING BASED BIOMETRIC SYSTEM   الموضوع : كلية الحاسبات وتقنية المعلومات  لغة الوثيقة : العربية  المستخلص : التعلم العميق هو تقنية متطورة في مجال تعليم الالة. من مجالات التطبيق الهامة للتعلم العميق مجال القياسات الحيوية حيث يتم التعرف على الانماط الموجودة ضمن السمات البشرية الفريدة. في الآونة الأخيرة، العديد من النظم والتطبيقات طبقت التعلم العميق لنظم القياسات الحيوية. يمكن تطبيق التعلم العميق لنظم القياسات الحيوية بثلاث طرق: تدريب نموذج التعلم العميق من الصفر، استخدام تقنية نقل التعلم بتطبيق شبكات التعلم العميق المدربة مسبقا لكل من استخراج الميزة والتصنيف، استخدام تقنية نقل التعلم بتطبيق شبكات التعلم العميق المدربة مسبقا لاستخراج الميزة فقط. معظم أنظمة التعرف على الوجه في الدراسات السابقة يتم فيها تدريب نموذج التعلم العميق من الصفر. في هذه الأطروحة يتم التحقق من أداء انظمة التعرف على الوجه باستخدام التدريب المسبق للشبكة العصبية الالتفافية CNN وذلك بتطبيق استراتيجيات مختلفة. تناولت الدراسة بنية CNN التي سجلت حتى الآن أفضل النتائج في تحدي التعرف على الصور على نطاق واسع لـ ImageNet (ILSVRC) في السنوات الماضية بشكل أكثر تحديداً AlexNet وResNet-50. يوجد في انظمة التعرف على الوجوه بعض التحديات التي تقلل من الدقة ومعدل التعرف. هذه التحديات هي خلفية معقدة، تعبيرات غريبة، إضاءات، دقة أقل، انسداد الوجه، لون البشرة، المسافة والاتجاه وما إلى ذلك. تركز معظم الدراسات في عمليه الاختبار على استخدام واحد أو اثنين من مجموعه البيانات التي تحتوي على هذه التحديات. في هذه الدراسة يتم التحقق من أداء انظمة التعرف على الوجه باستخدام التدريب المسبق للشبكة العصبية التلافيفية CNN مع العديد من مجموعه البيانات المختلفة، والتي تشمل مختلف التحديات والقيود. ويشمل النظام المقترح في هذه الدراسة على نظام للصور ونظام للفيديو. تم تنفيذ النظام المقترح باستخدام لغة MATLAB. من أجل تحديد الأداء الأمثل لخوارزمية CNN، يتم استخدام دقة التعرف كمحدد. أظهرت النتائج معدلات تصنيف محسّنة في التجارب الشاملة التي تم إكمالها على مختلف مجموعات بيانات OLR وGTAV Face وGeorgia Tech Face وF_LFWو LFW وYouTube face وFEI.  المشرف : د. لمياء عبد الله الرفاعي  نوع الرسالة : رسالة ماجستير  سنة النشر : 1440 هـ 2019 م  تاريخ الاضافة على الموقع : Thursday, May 16, 2019  الباحثون اسم الباحث (عربي) اسم الباحث (انجليزي) نوع الباحث المرتبة العلمية البريد الالكتروني سعاد محمد المعبدي Al-Mabdy, Soad Mohammad باحث ماجستير   الملفات اسم الملف النوع الوصف  44446.pdf pdf   الرجوع إلى صفحة الأبحاث