اعلام جامعة بابل | اطروحة دكتوراه في كلية تكنولوجيا المعلومات تناقش"3D Face Classification "

اطروحة دكتوراه في كلية تكنولوجيا المعلومات تناقش"3D Face Classification "

نشر بواسطة : ضحى فاضل عباس

تاريخ الخبر : 02/11/2024 58:18:05 PM

عدد المشاهدات : 165

اطروحة دكتوراه في كلية تكنولوجيا المعلومات تناقش"3D Face Classification for Human Race"

ضحى فاضل عباس
قسم البرمجيات في كلية تكنولوجيا المعلومات يناقش اطروحة دكتوراه " 3D Face Classification for Human Race"
لطالبة الدكتوراه ( نور حسين رضا كريم) و بإشراف (د. حوراء حسن عباس ) في قسم البرمجيات . و ذلك في الساعة التاسعة من صباح يوم الاحد المصادف 27/10/2024 و على قاعة المؤتمرات في كلية تكنولوجيا المعلومات .

تحظى تقنيات التعرف على الوجه البشري باهتمام كبير في الأوساط الأكاديمية والصناعية لما يعطيه الوجه من معلومات مميزة مقارنة بمصادر أخرى لاستخلاص المعلومات كشكل اليد. فما يسمى بـ "التحليل البيومتري" للوجوه صار جانبًا مهمًا في العديد من التطبيقات الحديثة، لا سيما مع ما أتاحته التقنيات المتطورة للمسح الضوئي والنمذجة ثلاثية الأبعاد وأدوات التحليل من فهم أعمق لتفاصيل السطوح المجسمة وانحناء سطوحها. ومع ذلك، لا يزال تحليل سطوح المجسمات ينطوي على تحديات كثيرة منها فعاليته ودقته وانخفاض كلفة المعالجة والذاكرة في تطبيقه، فضلا عن محددات تتعلق بكمية وتوافر البيانات ثلاثية الأبعاد. هذا العمل يحلل أداء عدة نماذج من أساليب استخلاص الوصف الهندسي للسطوح ومعلومات انحناء سطوح المجسمات المختصة بتحليل المجسمات الشبكية المعقدة من نوع Mesh، ويقارن أداءها في تصنيف الوجوه وفقًا للأعراق البشرية. لاستخلاص المعلومات هندسة وانحناءات المجسمات، تم تنفيذ وتحليل مستخلصات مثل (3D LD-SIFT) و (3D Voxel HOG) و طرق مقترحة لاستخلاص معلومات مخصصة بواسطة حسابات المسافة ثلاثية الابعاد (Geodesic) والحلقات المتعددة المتمركزة حول مركز الأنف. لتقييم أداء طرق الاستخلاص وأماكن الاستخلاص في الوجه البشري، تم استخدام بيانات بريطانية تسمى (LYHM HeadSpace) في اختبارات تصنيف العرق والتصنيف الفرعي داخل العرق الواحد. اذ ينتظم العمل في خمس تجارب مستقلة تغطي طرق استخلاص متنوعة ومناطق استخلاص متنوعة من الوجه. بالإضافة إلى ذلك، تم اقتراح تحسين لمرحلة محاذاة ومجانسة الوجوه (3D Mesh Registration) التي تسبق تصنيفها، واقتراح معالجات لصغر حجم البيانات المتاحة. استخدمت الشبكات العصبية لبناء المصنفات واعتمدت دقة التصنيف بالتحقق المتقاطع كمعيار لتقييم الأداء. وقد حققت النماذج متوسط دقة مرتفع تجاوز 90? في عدة حالات منها استخدام طرق الـ(LD-SIFT) ومسافات الـ(Geodesic) لمنطقة الأنف.

ت	اسماء اعضاء لجنة المناقشة	اللقب العلمي	الاختصاص الدقيق	مكان العمل	المنصب
1	د. توفيق عبد الخالق عباس	استاذ	معالجة صورية	جامعة بابل / كلية تكنولوجيا المعلومات	رئيساً
2	د. نداء عبدالمحسن عباس	استاذ	ذكاء اصطناعي	جامعة بابل / كلية تكنولوجيا المعلومات	عضوا
3	د. اسعد صباح هادي	استاذ	ذكاء اصطناعي	جامعة بابل / كلية تكنولوجيا المعلومات	عضوا
4	د. هضاب خالد عبيس	استاذ	ذكاء اصطناعي	جامعة بابل / كلية تكنولوجيا المعلومات	عضوا
5	د. فراس صبار مفتن	استاذ	معالجة صورية	جامعة ذي قار / كلية التربية للعلوم الصرفة	عضوا
6	د. حوراء حسن عباس	استاذ	معالجة صورية	جامعة الزهراء الاهلية للبنات	عضوا و مشرفا