Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Labadi, Khawla"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    transfer learning for kinship verification
    (Echahid Hama Lakhdar University of Eloued, 2023) Ghrissi Aloui, Majda; Chelalga, Ouafa; Labadi, Khawla
    "Dans ce travail, nous nous concentrons sur l'utilisation de techniques de vision par ordinateur pour détecter automatiquement les relations entre deux personnes en fonction de leurs visages. La recherche se concentre sur l'application d'un système de vérification de la parenté basé sur l'apprentissage en profondeur qui peut identifier avec précision les relations familiales en fonction des traits du visage. Traiter les images et estimer automatiquement les caractéristiques pour les classer en utilisant l'une des caractéristiques caractéristiques de l'apprentissage en profondeur, où nous avons utilisé l'apprentissage par transfert pour l'extraction des caractéristiques, nous avons pris un modèle de transfert d'apprentissage des réseaux de neurones convolutifs (CNN) et les avons utilisés pour les caractéristiques d'extraction, et cela pour identifier l'architecture la plus efficace pour la vérification de la parenté." "في هذا العمل, نركز على استخدام تقنيات الرؤية الحاسوبية للكشف تلقائيا العالقات بين شخصين من وجوههم . يركز البحث على نظام للتحقق من القرابة القائم على ميزات الوجه معالجة الصور وتقدير الميزات تلقائيًا لتصنيفها باستخدام إحدى السمات المميزة للتعلم العميق، حيث استخدمنا نقل التعلم الستخراج الميزات ، أخذنا نموذج نقل التعلم للشبكات العصبية التالفيفية )sNNC )واستخدمناها لخصائص االستخراج ، و هذا لتحديد الهيكل األكثر فعالية للتحقق من القرابة."

DSpace software copyright © 2002-2025 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback