جامعة بابل
المجلات
الكليات
المراكز
الحوكمة الالكترونية
English
جامعة بابل
الكليات
المراكز
المجلات
الحوكمة الالكترونية
English
جامعة بابل
University of Babylon
نظام الرسائل والاطاريح الجامعية/ المكتبة المركزية
الرئيسية
تصفح الاحدث
دليل الايداع
محرك البحث
أدارة الايداع
دخول طلاب الدراسات
دخول موظفي التدقيق
ملف الرسالة/الاطروحة كامل (PDF)
مشاهدة
ملف الخلاصة عربي/ انكليزي (PDF)
لايوجد ملف
ملفات اخرى (PDF)
لايوجد ملف
العنوان باللغة العربية
منصة الرسائل والاطاريح: تصنيف الوجوه البشرية ثلاثية الأبعاد لتحديد العرق باستخدام تقنيات تعلم الآلة - جامعة بابل
العنوان باللغة الانكليزية
A 3D FACE CLASSIFICATION FOR HUMAN RACE BASED ON MACHINE LEARNING TECHNIQUES
اسم الطالب باللغتين
نور حسين رضا كريم
-
Noor Hussein Reda Kareem
اسم المشرف باللغتين
. د. حوراء حسن عباس عبد علي
--
Hawraa Hasan Abbas Abd Ali
الخلاصة
أصبح تصنيف الوجوه موضو ًعا مه ًما في الأوساط الأكاديمية والصناعية نظ ًرا لتطبيقاته الواسعة في الحياة اليومية. الوجه البشري يمثل مصد ًرا غنيًا للمعلومات الذي تساعد في التعرف على هوية الأفراد استناداً لتفاصيل وجوههم. وقد سمحت تقنيات التصوير ثلاثية الأبعاد والأدوات البرمجية الحديثة الداعمة بتحليل أكثر دقة لشكل الوجه وثنايا سطحه، مقارنة بما بالتقنيات التقليدية ثنائية الأبعاد المعتمدة على مظهر الوجه. رغم أن تصنيف الوجوه ثلاثية الأبعاد أصبح واعدًا في حل العديد من المحددات التي واجهت ما سبقه من طرق تقليدية، إلا أنه جلب كذلك العديد من التحديات المتعلقة بالتكلفة، والتعقيد، وتوفير البيانات. هذه الدراسة تستخدم بيانات الوجه الشبكية ثلاثية الأبعاد لاستخراج وتحليل خصائص التفصيلية لشكل الوجه البشري، وتستفيد من تقنيات التعلم الآلي لتصنيف الوجوه وفق العرق. اذ تمت مقارنة طرق استخلاص الخصائص المميزة ثلاثية الأبعاد كـصفات (،)LD-SIFT( ،)3D VHOG و( )Geodesicلمناطق متفرقة من الوجه بما فيها أجزاء صغيرة منه. تم استخدام ثلاث مجموعات عرقية رئيسية هي؛ العرق الأفريقي، الآسيوي، والأوروبي في تدريب وتقييم نماذج تصنيف وتوقع العرق، بالإضافة إلى دراسة تباين الشكل بين مجموعتين فرعيتين من الأوروبيين. تم استخدام نماذج )Support Vector Machine() وFeed Forward Neural Network( الشبكات العصبية للتصنيف، واستخدام التحقق المتقاطع لتقييم الفئات التي تم توقعها. وبالنتيجة تم الحصول على دقة عالية تجاوزت ٪90في عدة حالات استخدمت فيها صفات مميزة ومناطق استخلاص متنوعة، من بينها .)Geodesic() وLD-SIFT( استخدام صفات
الفئة
المجموعة الطبية
الاختصاص باللغة العربية
الاختصاص باللغة الانكليزية
السنة الدراسية
2024
لغة الرسالة/الاطروحة
اللغة الانكليزية
الشهادة
دكتوراه
رابط موقع (doi)
Open access
نعم