Gaborウェーブレット変換とディープラーニングを使用して、粒子群群最適化を備えた最適化の最適化

この研究では、Gaborウェーブレットが、対称性フェイスデータベースの新しいアプローチである深い学習の強さを変換します。提案された顔認識システムは、さまざまな目的で使用されるように開発されました。対称性顔のトレーニングデータの特徴抽出のためにGaborウェーブレット変換を使用し、その後、認識のために深い学習方法を使用しました。MATLAB 2020Aを使用して、ORLおよびYaleデータベースに関する提案された方法を実装および評価しました。さらに、特徴選択アプローチに粒子群最適化（PSO）を適用するのと同じ実験が行われました。多数のトレーニング画像サンプルを使用したGaborウェーブレット機能抽出の実装は、私たちの研究で他の方法よりも効果的であることが証明されています。ORLデータベースにPSOメソッドを実装する際の認識率は85.42％ですが、Yaleデータベースの3つの方法で92％です。ただし、PSOアルゴリズムの使用は、ORLデータベースで精度率を96.22％に、Yaleデータベースで94.66％に増加させました。

In this study, Gabor wavelet transform on the strength of deep learning which is a new approach for the symmetry face database is presented. A proposed face recognition system was developed to be used for different purposes. We used Gabor wavelet transform for feature extraction of symmetry face training data, and then, we used the deep learning method for recognition. We implemented and evaluated the proposed method on ORL and YALE databases with MATLAB 2020a. Moreover, the same experiments were conducted applying particle swarm optimization (PSO) for the feature selection approach. The implementation of Gabor wavelet feature extraction with a high number of training image samples has proved to be more effective than other methods in our study. The recognition rate when implementing the PSO methods on the ORL database is 85.42% while it is 92% with the three methods on the YALE database. However, the use of the PSO algorithm has increased the accuracy rate to 96.22% for the ORL database and 94.66% for the YALE database.