چارچوب تشخیص اشیاء Viola - Jones یک چارچوب تشخیص اشیاء در تصویر مبتنی بر یادگیری ماشین با ارائه نرخ تشخیص بلادرنگ است که در سال ۲۰۰۱ توسط پاول ویولا و مایکل جونز ارائه شد. [ ۱] اگر چه این چارچوب می تواند برای تشخیص انواع اشیاء آموزش داده شود، در ابتدا به منظور تشخیص چهره توسعه داده شده بود و اولین الگوریتم تشخیص چهرهٔ بلادرنگ به شمار می رود. [ ۲]
مقاله ی اصلی سه نوآوری کلیدی ارائه می کرد. [ ۳] اولین نوآوری استفاده از نمایشی برای تصویر به نام تصویر انتگرالی بود که به کمک آن امکان محاسبه بسیار سریع ویژگی های مورد نیاز برای تشخیص در زمان ثابت فراهم می گردید. نوآوری دوم توسعه یک الگوریتم یادگیری ماشین مبتنی بر آدابوست به منظور انتخاب مجموعه ای کوچک اما کارا از میان مجموعه بزرگی از ویژگی های تصویری بود و نوآوری سوم ارائه یک معماری آبشاری به منظور ترکیب بهینه ٔ مجموعه ای از الگوریتم های طبقه بند آماری بود که به موجب آن قسمت های پس زمینه ٔ تصویر با الگوریتمهای طبقه بندی سریع دور ریخته می شوند و الگوریتمهای پیچیده تر طبقه بندی روی قسمتهای مهمتر تصویر تمرکز می کنند. با وجود اینکه تا کنون الگوریتمهای بسیار زیادی به منظور تشخیص چهره توسعه داده شده اند می توان گفت از این میان الگوریتم ویولا جونز بیشترین تاثیر را بر دهه های پیش روی خود داشت و قادر بود با سرعت بسیار زیاد دقت مطلوبی در مکان یابی چهره ارائه دهد. [ ۴]
مسئله تشخیص چهره یکی از مسائل شناخته شده بینایی رایانه ای است. مسئله مورد نظر چهره انسان را در تصاویر دیجیتال مکان یابی می کند. فرآیند تشخیص چهره به دو سوال پاسخ می دهد: اول اینکه آیا چهره ای در یک تصویر و یا دنباله ای از تصاویر ویدئویی وجود دارد؟ دوم اینکه این چهره در کجای تصویر واقع شده است؟ اغلب انسان ها می توانند این کار را به آسانی انجام دهند، اما یک کامپیوتر نیاز به دستورالعمل های دقیق و پیچیده ای دارد. پیچیدگی مسئله با تفاوت مقیاس تصویر، زاویه تصویربرداری، شرایط نوری متفاوت و پوشیده بودن قسمتی از چهره چند برابر می شود. با وجود اینکه تا کنون الگوریتمهای بسیار زیادی به منظور تشخیص چهره توسعه داده شده اند می توان گفت از این میان الگوریتم ویولا جونز بیشترین تاثیر را بر دهه های پیش روی خود داشت [ ۴] و قادر بود و اولین الگوریتم بلادرنگ مکان یابی چهره با دقتی مطلوب به شمار می رود. [ ۲]
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفمقاله ی اصلی سه نوآوری کلیدی ارائه می کرد. [ ۳] اولین نوآوری استفاده از نمایشی برای تصویر به نام تصویر انتگرالی بود که به کمک آن امکان محاسبه بسیار سریع ویژگی های مورد نیاز برای تشخیص در زمان ثابت فراهم می گردید. نوآوری دوم توسعه یک الگوریتم یادگیری ماشین مبتنی بر آدابوست به منظور انتخاب مجموعه ای کوچک اما کارا از میان مجموعه بزرگی از ویژگی های تصویری بود و نوآوری سوم ارائه یک معماری آبشاری به منظور ترکیب بهینه ٔ مجموعه ای از الگوریتم های طبقه بند آماری بود که به موجب آن قسمت های پس زمینه ٔ تصویر با الگوریتمهای طبقه بندی سریع دور ریخته می شوند و الگوریتمهای پیچیده تر طبقه بندی روی قسمتهای مهمتر تصویر تمرکز می کنند. با وجود اینکه تا کنون الگوریتمهای بسیار زیادی به منظور تشخیص چهره توسعه داده شده اند می توان گفت از این میان الگوریتم ویولا جونز بیشترین تاثیر را بر دهه های پیش روی خود داشت و قادر بود با سرعت بسیار زیاد دقت مطلوبی در مکان یابی چهره ارائه دهد. [ ۴]
مسئله تشخیص چهره یکی از مسائل شناخته شده بینایی رایانه ای است. مسئله مورد نظر چهره انسان را در تصاویر دیجیتال مکان یابی می کند. فرآیند تشخیص چهره به دو سوال پاسخ می دهد: اول اینکه آیا چهره ای در یک تصویر و یا دنباله ای از تصاویر ویدئویی وجود دارد؟ دوم اینکه این چهره در کجای تصویر واقع شده است؟ اغلب انسان ها می توانند این کار را به آسانی انجام دهند، اما یک کامپیوتر نیاز به دستورالعمل های دقیق و پیچیده ای دارد. پیچیدگی مسئله با تفاوت مقیاس تصویر، زاویه تصویربرداری، شرایط نوری متفاوت و پوشیده بودن قسمتی از چهره چند برابر می شود. با وجود اینکه تا کنون الگوریتمهای بسیار زیادی به منظور تشخیص چهره توسعه داده شده اند می توان گفت از این میان الگوریتم ویولا جونز بیشترین تاثیر را بر دهه های پیش روی خود داشت [ ۴] و قادر بود و اولین الگوریتم بلادرنگ مکان یابی چهره با دقتی مطلوب به شمار می رود. [ ۲]
