کاربرد محاسبات نرم مهندسی فناوری اطلاعات، کامپیوتر و علوم مرتبط

مجموعه مقالات ارایه شده در اولین همایش ملی محاسبات نرم علوم مهندسی در صنعت و جامعه  و  در محور کاربرد محاسبات نرم مهندسی فناوری اطلاعات، کامپیوتر و علوم مرتبط  در صنعت و جامعه با مجموع 12 مقاله (12 مقاله سخنرانی و 0 مقاله پوستر) 

 (گروه اول)

روئسای  نشست (دکتر سید حسین سیادت، دکتر احسان اسلامی)

ردیف

کد مقاله

ارایه دهنده

نوع پذیرش

ویدیو

1

80037

سید حسین سیادت

پذیرش به صورت سخنرانی

 

2

64750

خدیجه آقاجانی

پذیرش به صورت سخنرانی

 

3

26982

حیدر مختاری فریور

پذیرش به صورت سخنرانی

 

4

79714

خدیجه آقاجانی

پذیرش به صورت سخنرانی

 

5

59418

احسان اسلامی

پذیرش به صورت سخنرانی

 

6

51706

شکوفه خوش نظر

پذیرش به صورت سخنرانی

 

 (گروه دوم)

روئسای  نشست (دکتر خدیجه آقایی، دکتر سلمان آسوده)

1

45076

احسان اسلامی

پذیرش به صورت سخنرانی

2

34560

خدیجه آقاجانی

پذیرش به صورت سخنرانی

3

86163

سلمان آسوده

پذیرش به صورت سخنرانی

4

47105

حیدر مختاری فریور

پذیرش به صورت سخنرانی

5

52819

دانیال رمضانی

پذیرش به صورت سخنرانی

6

38183

عبدالشکور تمندانی

پذیرش به صورت سخنرانی

 

 

۳۴۵۶۰

تشخیص جنسیت با توجه به تصویر چهره با استفاده از شبکه FaceNet

چکیده سیستم هایی که به طور خودکار با استفاده از تصاویر چهره جنسیت را مشخص میکنند، به سرعت در حال رشد هستند. از کاربردهای تشخیص جنسیت از چهره میتوان به نظارت تصویری، کنترل دسترسی و تعامل انسان و رایانه اشاره کرد. در سال‌های اخیر، تلاش‌های متعددی برای حل این مساله صورت گرفته است. در این مقاله در ابتدا با استفاده از روش ویلاجونز چهره فرد از تصویر استخراج میشود. سپس از یک شبکه از پیش آموزش داده شده تحت عنوان FaceNet برای استخراج ویژگی از چهره استفاده میشود. در ادامه با استفاده از یک دسته بند از ویژگی استخراج شده برای تشخیص جنسیت فرد استفاده شده است. در این مقاله از دو پایگاه داده UTKFaceو GENDER-FERET جهت ارزیابی مدل پیشنهادی استفاده شده است. مشاهده شده استفاده بردار های استخراج شده و دسته بند SVM در پایگاه های داده UTKFace,GENDER-FERET به ترتیب با دقت ۶۴/۹۷% و ۳/۹۸% قادر به تشخیص درست جنسیت میباشد. واژه های کلیدی تشخیص جنسیت از تصویر، انتقال یادگیری، ماشین بردار پشتیبان.

ادامه مطلب
۴۵۰۷۶

بررسی الگوریتم‌‌های فراابتکاری در قطعه‌بندی تصویر مبتنی بر خوشه‌بندی

خلاصه مقاله قطعه‌بندی تصویر به فرایند تقسیم تصویر ورودی به چندین مؤلفه غیرهمپوشان گویند که در دهه‌‌‌های اخیر محققان، روش‌‌‌های پیشرفته و متنوعی برای آن ارائه کرده‌اند. با موفقیت روش یادگیری عمیق در زمینه بینایی ماشین، از روش یادگیری عمیق نیز به طور گسترده‌ای در قطعه‌بندی تصویر استفاده شده و نتایج بسیار خوبی بدست آمده است. به‌طورکلی در مقایسه روش‌‌‌های قطعه‌بندی تحت نظارت با بدون نظارت، به علت اینکه روش‌‌‌های بدون نظارت به داده برچسب¬دار نیاز ندارد، بسیاری از محققان به این سمت روی آوردند. الگوریتم‌‌‌های خوشه‌بندی به‌عنوان یک راهکار بدون نظارت دارای چالش‌‌‌هایی از جمله گیرافتادن در بهینه محلی و انتخاب بهینه تعداد خوشه‌‌‌ها و ... هستند که منجر به نامطلوب شدن نتایج خوشه‌بندی می‌شود. یکی از رویکرد‌‌ها جهت غلبه بر مشکلات الگوریتم‌‌‌های متداول خوشه‌بندی، استفاده از الگوریتم‌‌‌های بهینه‌سازی فراابتکاری سراسری است و ازآنجاکه الگوریتم‌‌‌های جستجوی سراسری بیشتر باعث افزایش قدرت کاوش الگوریتم کلی می‌شوند؛ لذا عملگر‌‌های جستجوی محلی نیز ارائه شده است که با ترکیب با الگوریتم‌‌‌های سراسری باعث بهبود و افزایش قدرت الگوریتم در یافتن بهینه‌‌‌های محلی می‌شود و در این صورت قدرت بهره¬وری الگوریتم نیز افزایش می‌یابد. این مقاله به بررسی الگوریتم‌های مختلفی که برای حل مسئله خوشه‌بندی تصویر پرداخته است و تمرکز اصلی بر این است که جنبه‌های مختلفی مانند روش‌های نوظهور، مسائل مرتبط با انواع تصاویر، پایگاه‌های اطلاعاتی، کاربردهای قطعه‌بندی را در بر گیرد. این مطالعه می‌تواند برای محققان در جهت توسعه روش‌های جدید برای خوشه‌بندی تصویر مفید باشد. واژه‌های کلیدی قطعه‌بندی تصویر، خوشه‌بندی، الگوریتم‌‌‌های فرا ابتکاری، جستجوی محلی

ادامه مطلب