HyperAIHyperAI

Command Palette

Search for a command to run...

Xception المُنظَّم للتعرف على التعبيرات الوجهية باستخدام بيانات تدريب إضافية ومعدل تعلم متغير خطويًا

Aufaclav Zatu Kusuma Frisky Sri Hartati Elang Arkanaufa Azrien

الملخص

على الرغم من الأبحاث الواسعة التي تُجرى في مجال تمييز التعبيرات الوجهية، يظل تحقيق أعلى مستوى من الدقة تحديًا مستمرًا. يهدف هذا الدراسة إلى تعزيز دقة النماذج الحالية من خلال تعديل البنية المعمارية، وبيانات التدريب، وعملية التدريب. ويتضمن هذا النهج دمج تقنيات التس regularization في البنية المعمارية Xception، وتوسيع نطاق بيانات التدريب، واستخدام معدل تعلم متناقص متدرج (step decay learning rate)، مما يعالج القيود الحالية ويتجاوزها. وقد أظهر التقييم الذي أُجري على مجموعة بيانات تمييز التعبيرات الوجهية (FER2013) تحسنًا ملحوظًا في الدقة، حيث بلغت النتيجة 94.34٪. ويُعد هذا البحث خطوة مهمة تفتح آفاقًا جديدة لتحسين أنظمة تمييز التعبيرات الوجهية، وبخاصة في ضوء الحاجة المتزايدة إلى دقة أعلى في هذا المجال.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
Xception المُنظَّم للتعرف على التعبيرات الوجهية باستخدام بيانات تدريب إضافية ومعدل تعلم متغير خطويًا | مستندات | HyperAI