توضیحات
Fuzzy System Learned Through Fuzzy Clustering and Support Vector Machine for Human Skin Color Segmentation
ترجمه فارسی موضوع مقاله: سیستم آموزش دیده فازی با استفاده از شبکه فازی و ماشین بردار پشتیبان برای بخشبندی رنگی پوست صورت
سیستم آموزش دیده فازی با استفاده از شبکه فازی و ماشین بردار پشتیبان
برای بخشبندی رنگی پوست صورت
چکیده
در این مقاله از ترکیب یک سیستم فازی و شبکه ماشین بردار پشتیبان برای بخشبندی پوست صورت استفاده شده است.
ساختار شبکه مذکور (FS-FCSVM) بدین شکل است که عمل خوشهبندی فازی بر روی دادههای ورودی انجام میگیرد که این امر منجر به کاهش تعداد قوانین فازی میگردد.
سپس پارامترهای شبکه با استفاده از شبکه بردار ماشین پشتیبان آموزش داده میشوند که در نتیجه به شبکه با قابلیت تعمیم پذیری بالاتر دست مییابیم. شبکه مذکور در مقایسه با شبکه های فازی یا شبکه SVM دارای هزینه محاسبات کمتر است.
برای بخشبندی رنگی پوست از اطلاعات hue و saturation تصاویر رنگی استفاده شده است.
توضیحات
به طور کل میتوان هر تصویر رنگی را با سه مولفه رنگی اصلی قرمز، آبی و سبز نمایش داد.
البته فضاهای رنگی دیگری نیز برای نمایش مولفههای رنگی وجود دارد که از آن جمله میتوان به YIQ، YCrCb و HSV اشاره کرد.
مولفه های سیستم HSV عبارتند از Hue،Saturation و Intensity Value. در این مقاله از مولفههای Hue و Saturation به عنوان ویژگی مورد نظر برای پیکسلهای پوست و غیرپوست استفاده شده است.
با این روش عملاً اثر مقدار Illumination برای افراد مختلف حذف میشود.
مقدار محدوده مولفههای H و S به ترتیب برابر [360، 0] و [1، 0] است که برای یکسان سازی اثر آنها قبل از ورود به سیستم مولفه H نیر به مقدار بین [1، 0] نرمالیزه میشود.
ساختار شبکه FS-FCSVM در شکل 1 نشان داده شده است. در لایه 1، هر گره مربوط به یک متغیر ورودی و در نتیجه این لایه هر ورودی دقیقاً به لایه بعد منتقل می شود.
…
شکل 1: ساختار شبکه FS-FCSVM.
در لایه دوم، هر گره متناظر با یک قانون فازی است و مقدار تابع عضویت محاسبه میشود که برای این شبکه تابع گاوسی بکار گرفته شده است.
در لایه سوم هر گره نماینده یک قانون منطق فازی است و عمل AND مجموعه آنها با ضرب خروجی توابع عضویت صورت میپذیرد.
در لایه چهارم هر گره متناظر با یک متغیر ورودی است و عمل defuzzification در این قسمت انجام میپذیرد.
در این لایه مجموع وزندار خروجیهای لایه قبل به همراه یک مقدار بایاس برای محاسبه خروجی لایه درنظر گرفته میشود.
تفاوت شبکه FS-FCSVM با شبکه SVM با کرنل گوسی در این است که اگرچه هر دو ترکیب خطی از توابع گوسی ارائه میدهند، ولی عرض همه کرنل های گوسی در در SVM کرنل گوسی یکسان است، درحالی که در تابع FS-FCSVM عرض توابع متفاوت میباشد.
علاوه براین، تعداد وزنهای کرنل گوسی در شبکه SVM برابر با تعداد بردارهای پشتیبان است درحالی که در شبکه FS-FCSVM تعداد آن برابر تعداد خوشه های فازی میباشد که درنتیجه مقدار آن کمتر از حالت قبل خواهد بود.
در این مقاله از یک دسته داده استاندارد که در اینترنت موجود بود برای ارزیابی ننایج بدست آمده استفاده شده است.
در همه این دادههای آموزش یک نفر وجود دارد که پوست صورت او به شکل دستی بخشبندی شده است.
نتایج حاصل از آموزش شبکه برروی یک سری تصویر با یک یا چند شخص تست شده است.
برای ارزیابی روش علاوه بر نمایش کیفی نتایج از منحنی ROC نیز برای ارزیابی کمی نتایج استفاده شده است.
در این منحنی میزان نرخ دقت ردیابی (DR) در مقایسه با نرخ خطای نادرست (FPR) برای مقادیر مختلف آستانه رسم می شود.
سطح زیر منحنی نشان دهنده دقت روش است. هرجقدر مساحت ناحیه بزرگتر باشد عملکرد شبکه مذکور آن بهتر خواهد بود.
توابع نوشته شده برای اجرای برنامه عبارتند از:
Main2: که برنامه اصلی اجرا شده برای مقایسه روشهای کلاس بندی است.
اجرای این برنامه منحنی ROC و تصویر بخشبندیشده نمونه را نشان میدهد.
PointsManual و ManualSegmentation: که با اجرای ManualSegmentation میتوان به بخشبندی دستی تصاویر پرداخت.
این برنامه برای ناحیه بندی پوست و مقایسه آن در نتایج کلاس بندی لازم است. با اجرای برنامه تابع PointsManual فراخوانی میشود.
برای هر تصویر با کلیک ماوس یک نقطه مشخص میشود.
برای آخرین نقطه از کلیک راست ماوس استفاده میکنیم.
در نتیجه یک منحنی اسپلاین به نقاط فیت شده و ناحیه صورت در تصویر مشخص میشود.
کلید واژه : فازی, SVM, پردازش تصویر,
Color segmentation, fuzzy clustering, fuzzy neural network (FNN), mixture of Gaussian classifier (MGC), structure learning
شبیه سازی مقاله Fuzzy System Learned Through Fuzzy Clustering and Support Vector Machine for Human Skin Color Segmentation
به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،. با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.