An investigational FW-MPM-LSTM approach for face recognition using defective data

Yüz tanıma sistemleri doğrudan ilgili olduğu için biyometrik sistem olarak sıralanmaktadır. yüz özelliklerine ve özelliklerine. Ayrıca görüntü ilkelerine dayalıdırlar. işleme, makine görüşü ve bazen makine öğrenimi. Yüz tanıma sistemleri, görüntülerden kusurlu bilgileri dikkate alın. Bu durumda, bir dizi sağlamak esastır. Eşleşen yüzler için görüntü yeniden yapılandırma mekanizmaları. Bu yazıda sağlam bir yöntem görüntünün segmentasyonuna dayalı olarak yüz tanıma veri setinde uygulandı ve test edildi teknikler. Önerilen yaklaşım, ön işleme aşamasında görüntünün gelişmiş Görüntü bölütleme ve yeniden yapılandırma adımını daha sonra ayıklama takip eder. dudaklar, gözler, yanaklar ve yüz bölgesi gibi özellikleri kullanan en iyi yüz özellikleri. Bu operasyon fraktal modele ve dalgacık dönüşümüne dayalıdır. Ardından, sistemi eğitmek ve test etmek için LSTM sinir ağı, Moore Penrose Matrix adlı bir yöntem kullanılarak optimize edilmiştir. MPM-LSTM. Sonuçlar, önerilen yaklaşımın daha iyi performans gösterdiğini göstermektedir. son yöntemlerle karşılaştırılması. L-SVM, L-SVM-Wo, K SVM, K-SVM-Wo, CS, CS-Wo için performans doğruluk oranı 98, 98,5, 95, 94,5, 98,1 ve 98,3 olarak elde edildi. sırasıyla önerilen yöntem 99.58 olarak elde edilirken