إطار عمل متين للتعرف على الوجوه باستخدام تكامل الشبكة التلافيفية الكبسولية (CapsNet) وتحليل المكونات الرئيسية (PCA) وآلة التعلم الشاملة (ELM)

الملخص

في هذه الورقة، نقترح نموذجًا هجينًا للتعرف على الوجوه قائمًا على شبكات الكبسولات (CapsNet) كأداة لاستخراج الميزات، مع دمج تحليل المكونات الأساسية (PCA) لتقليل الأبعاد، وآلة التعلم المتطرفة (ELM) كمصنف نهائي. يهدف هذا النموذج إلى الاستفادة من قدرة الكبسولات على تمثيل العلاقات المكانية داخل الوجوه، وتقليل الأبعاد باستخدام تحليل المكونات الأساسية لتسريع المعالجة وتحسين التعميم، ثم استخدام ELM كخيار سريع وسهل لتحقيق دقة تصنيف أعلى. تم اختبار النموذج على قاعدة بيانات Yale Face. أظهرت النتائج أن CapsNet المستقلة حققت دقة 90.0٪، وحقق نموذج CapsNet + ELM 93.0٪، بينما حقق النموذج الهجين المقترح CapsNet + PCA + ELM أفضل أداء بدقة 96.7. تشير هذه النتائج إلى أن الجمع بين تقليل الأبعاد وتقنيات التصنيف السريع مع ميزات الكبسولة قد يكون حلاً واعدًا لتطبيقات التعرف على الوجوه، خاصةً عند التعامل مع قواعد بيانات صغيرة أو متوسطة الحجم.