ارائه کننده: علی کریمی نژاد استاد راهنما: دکتر نصراله مقدم چرکریاستاد مشاور اول: دکتر مهدی رعایائی اردکانی استاد ناظر خارجی اول: دکتر رضوانیان (دانشگاه علم و فرهنگ) تاریخ: ۱۴۰۳/۰۴/۲۴ ساعت: ۱۶:۳۰ مکان: ۰۱/۶

چکیده: در سال‌های اخیر شاهد پیشرفت فراوانی در حوزه بینایی ماشین در کاربردهای متفاوت بوده ایم. تشخیص چهره، یکی از کاربردهایی است که به صورت عملی و در دنیای واقعی در حال استفاده است. با مرور زمان محققان توانسته‌اندکه با استفاده از تشخیص چهره، به تشخیص سن و جنسیت افراد در تصاویر بپردازند. تشخیص ویژگی‌های چهره در تصاویر مدتی است که مورد توجه پژوهش‌ ها قرار گرفته است. از مواردی که معمولا به عنوان ویژگی‌های چهره استفاده می‌ شوند شامل بافت چهره، موقعیت و شکل چشم ها، بینی، دهان و فاصله بین اجزای چهره، رنگ پوست و… میتوان نام برد. شناسایی خودکار ویژگی‌های چهره در انواع مختلف کاربرد ها، از جمله آموزش الکترونیکی، نظارت بر بیماران، سرگرمی، بازاریابی و تبلیغات، اهمیت زیادی دارد. تشخیص ویژگی‌های چهره، به ویژه در تصاویر چهره در دنیای واقعی که چهره‌ ها کاملا واضح نیستند و پس‌ زمینه‌ تصاویر متفاوت است، بسیار حیاتی و چالش برانگیز است. در جوامعی که به هم مرتبط هستند، تشخیص جنسیت نقشی حیاتی در امنیت، تبلیغات و تعاملات انسان و ماشین ایفا می‌کند. در این پژوهش، علاوه بر استفاده از رویکردهای سنتی، از یک مدل چند وظیفه‌ ای استفاده شده است تا بتوان همزمان جنسیت و سن را شناسایی کرد و از ارتباط طبیعی ویژگی‌های آنها برای افزایش دقت بهره‌ مند شد. در مدل‌های یادگیری چند وظیفه ای، بر خلاف مدل‌های یادگیری کلاسیک، به پیش بینی بیش از یک هدف پرداخته می‌ شود. در این تحقیق، از تکنیک‌ های پیشرو در زمینه یادگیری ماشین مانند شبکه‌ های یادگیری انتقال (VGG16، ResNet50)، شناسایی چهره و روش‌های پیش‌ پردازش داده‌ها مانند: افزایش و متعادل سازی داده‌ها در گروه‌های مختلف و یکسان سازی ابعاد تصاویر، استفاده شده است. همچنین، سعی شده است تا ارتباط بین شناسایی جنسیت و سن را از طریق یادگیری چند وظیفه‌ ای بررسی کند. نتایج حاصل از اعتبارسنجی آزمایشی روی مجموعه داده Adience نیز نشان‌ دهنده دقت‌ های قابل توجهی شامل ۹۳.۸۳٪ برای شناسایی جنسیت و ۸۱.۱۲٪ برای شناسایی سن می‌باشد.