الأبحاث ضمن الموضوع : التعرف على الوجه والتعبيرات
-
الاحتمالية القصوى المعاقبة برفق في تحليل العوامل
2026 | المؤلف: Philipp Sterzinger وآخرون | المجلة: Psychometrika | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)في هذا القسم، يتناول المؤلفون التحديات المرتبطة بتحليل العوامل الاستكشافية، وخاصة حدوث حالات هايوود، حيث تؤدي التقديرات إلى تباينات غير إيجابية، مما يؤدي إلى عدم استقرار عددي واستنتاجات مضللة. يقترحون شروطًا كافية وعقوبة لدالة الاحتمالية اللوغاريتمية تضمن وجود تقديرات أقصى لعوامل الاحتمالية المعاقبة داخل فضاء المعلمات. تضمن هذه الطريقة أن تظهر التقديرات خصائص حدية مرغوبة،…
-
تعزيز اختيار الميزات للتعرف على تعبيرات الوجه متعددة الوضعيات باستخدام مزيج من خوارزمية اليراعة المستوحاة من الكم وخوارزمية مستعمرة النحل الاصطناعية
2025 | المؤلف: Mu Panliang وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم ورقة البحث نهجًا هجينًا جديدًا للتعرف على تعبيرات الوجه (FER) يسمى QIFABC، والذي يدمج خوارزمية اليراعة المستوحاة من الكم (QIFA) مع خوارزمية مستعمرة النحل الاصطناعي (ABC) لتعزيز اختيار الميزات في أنظمة FER متعددة الوضعيات. يهدف هذا الأسلوب إلى تحسين دقة اكتشاف تعبيرات الوجه عبر أوضاع مختلفة من خلال تحسين مساحة البحث لاختيار الميزات. تستخدم…
-
تعلم كيفية صياغة مطالبات متنوعة لتصنيف عواطف الصور
2024 | المؤلف: Sinuo Deng وآخرون | المجلة: Computational Visual Media | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم ورقة البحث إطار عمل جديد، PT-DPC، لتصنيف عواطف الصور (IEC)، مستفيدة من قدرات الأساليب المعتمدة على اللغة مثل التدريب المسبق المتباين بين اللغة والصورة (CLIP). تحدد الدراسة ثلاثة تحديات رئيسية في IEC: الفجوة الكبيرة في أهداف التدريب بين التدريب المسبق وIEC، واستخدام مطالبات مشتركة غير مثلى، وتطبيق مطالبات ثابتة عبر الحالات. لمعالجة هذه القضايا،…
-
استراتيجيات اختيار الميزات: تحليل مقارن لطرق قيمة SHAP والطرق المعتمدة على الأهمية
2024 | المؤلف: Huanjing Wang وآخرون | المجلة: Journal Of Big Data | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تستكشف هذه الدراسة تقنيات اختيار الميزات في سياق بيانات احتيال بطاقات الائتمان عالية الأبعاد لتعزيز أداء نموذج اكتشاف الاحتيال. تقارن فعالية اختيار الميزات بناءً على قيم SHAP (SHapley Additive exPlanations) مقابل أهمية الميزات المدمجة في النموذج عبر خمسة مصنفات: XGBoost، شجرة القرار، CatBoost، الأشجار العشوائية للغاية، وغابة عشوائية. المقياس المستخدم للتقييم هو المساحة تحت منحنى…