التخصص: علوم الحاسب

التخصص الدقيق:

المستخلص: في السنوات الأخيرة ، أثار التفاعل المتزايد بين الإنسان والحاسوب اهتمام الباحثين بالتعرف على تعابير الوجه لتحديد التغيرات التعبيرية في البشر. يعد اكتشاف الميزات ذات الصلة التي تصف تعبيرات الأفراد المختلفين أمرًا حيويًا لوصف التعبيرات البشرية بدقة. استخدم العمل الحالي المفهوم المتكامل للنمط الثنائي المحلي والرسم البياني للتدرج لاستخراج ملامح الوجه. تتمثل المساهمة الرئيسية للورقة في تحسين الميزات المستخرجة باستخدام خوارزميات الكشف عن مجريات الأمور المستوحاة من الكم من QGA (الخوارزمية الجينية المستوحاة من الكم) ، QGSA (خوارزمية البحث الجاذبية المستوحاة من الكم) ، QPSO (تحسين حشد الجسيمات المستوحى من الكم) ، و QFA (خوارزمية اليراع المستوحاة من الكم). تستخدم هذه الخوارزميات الوصفية التلوية المستوحاة من الكم سمات الحوسبة الكمية التي تضمن التحكم الكافي في تنوع ميزات الوجه من خلال المقاييس الكمومية وحالات خرافة Q-bit. يتم تغذية الميزات المحسّنة إلى الشبكة العصبية التلافيفية العميقة المتغيرة العميقة المتغيرة (DL) المضافة مع الكتل المتبقية (DCNN-R) لتصنيف التعبيرات. تم الكشف عن تعبيرات الوجه لمجموعات البيانات KDEF و RaFD تحت زوايا متفاوتة للانعراج من -90 درجة ، –45 درجة ، 0 درجة ، 45 درجة ، و 90 درجة. يعد اكتشاف تعابير الوجه بزوايا مختلفة أيضًا مساهمة مهمة ، حيث تقل الملامح مع زيادة حركة زاوية الانعراج للوجه. توضح التقييمات التجريبية الأداء المتفوق لـ QFA من الخوارزميات الأخرى لتحسين الميزات وبالتالي التصنيف الأفضل لتعبيرات الوجه.

Abstract: In recent years, the increasing human–computer interaction has spurred the interest of researchers towards facial expression recognition to determine the expressive changes in human beings. The detection of relevant features that describe the expressions of different individuals is vital to describe human expressions accurately. The present work has employed the integrated concept of Local Binary Pattern and Histogram of Gradient for facial feature extraction. The major contribution of the paper is the optimization of the extracted features using quantum-inspired meta-heuristic algorithms of QGA (Quantum-Inspired Genetic Algorithm), QGSA (Quantum-Inspired Gravitational Search Algorithm), QPSO (Quantum-Inspired Particle Swarm Optimization), and QFA (Quantum-Inspired Firefly Algorithm). These quantum-inspired meta-heuristic algorithms utilize the attributes of quantum computing that ensure the adequate control of facial feature diversity with quantum measures and Q-bit superstition states. The optimized features are fed to the deep learning (DL) variant deep convolutional neural network added with residual blocks (DCNN-R) for the classification of expressions. The facial expressions are detected for the KDEF and RaFD datasets under varying yaw angles of –90∘, –45∘, 0∘, 45∘, and 90∘. The detection of facial expressions with varying angles is also a crucial contribution, as the features decrease with the increasing yaw angle movement of the face. The experimental evaluations demonstrate the superior performance of the QFA than other algorithms for feature optimization and hence the better classification of facial expressions.

الحالة: محكم ومنشور

جهة التحكيم: Abhishek Bhatt, Tanweer Alam, Kantilal Pitambar Rane, Rainu Nandal, Meenakshi Malik, Rahul Neware and Samiksha Goel

دار النشر:

سنة النشر: 0