Face Detection and Recognition Using Back Propagation Neural Network and Fourier Gabor Filters

Bouzalmat, Anissa; Belghini, Naouar; Zarghili, Arsalane; Kharroubi, Jamal

doi:10.5121/sipij.2011.2302

Cited by 18 publications

(9 citation statements)

References 5 publications

(2 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…To understand variation of algorithms of ANN with an application, let's take an example. The Back Propagation Algorithm (BPA) is commonly used in applications involving face recognition or face detection tasks (Bouzalmat et al 2011;Juell and Marsh 1996;Smach et al 2006;Shah et al 2013). It is beneficial because it can train both the feed forward net and the recurrent net.…”

Section: Artificial Neural Networkmentioning

confidence: 99%

Artificial Neural Network in Virtual Reality : A Survey

Sharma¹,

Chandra²,

Venkatraman³

et al. 2016

IJVR

View full text Add to dashboard Cite

Virtual reality (VR) is defined as a 3-dimensional (3D), artificially simulated environment which allows the user to immerse himself/herself in it. From rehabilitation to data visualization, VR has been found to have many profound applications over the past decade or so. The addition of a suitable interface (e.g: haptics) is necessary in order to improve the quality of interaction with VR. Artificial Neural Network (ANN), a learning algorithm [i.e., a mathematical representation of any form of biological activity], which is one of the most widely adopted algorithms, is used for maintaining the properties of virtual reality (i.e., Immersivity and Interactivity). The primary objective of this review is to explore the limitless possibilities through the integration of ANN and VR. In addition to this, it also highlights the fact that an incumbent association of VR and ANN can lead to the construction of a highly interactive and immersive module in virtual reality.

show abstract

Section: Artificial Neural Networkmentioning

confidence: 99%

Artificial Neural Network in Virtual Reality : A Survey

Sharma¹,

Chandra²,

Venkatraman³

et al. 2016

IJVR

View full text Add to dashboard Cite

show abstract

“…K th feature vector of i th reference face is defined as, (6) While there are 40 Gabor filters, feature vectors have 42 components as shown in Figure. 5. The first two components of feature vectors are very important during matching process.…”

Section: (B) Feature Vector Generationmentioning

confidence: 99%

Gabor Wavelets and Morphological Shared Weighted Neural Network Based Automatic Face Recognition

Chandrappa¹,

Ravishankar²

2013

SIPIJ

View full text Add to dashboard Cite

show abstract

“…Assim sendo, para essa pesquisa foram utilizadas duas técnicas de IA: redes neurais artificiais (RNAs) e lógica fuzzy em conjunto com técnicas de processamento de imagens visando aplicação em automação e instrumentação em ambiente industrial ou agrícola. A combinação destas técnicas tem apresentado resultados promissores como visto em: Beluco et al (2015); Ros and Pasero (2013); Taghadomi-Saberi et al (2014); Geetha (2015); Bouzalmat et al (2011); Silva et al (2014); Soares and da Silva (2013); Yen et al (2019); Sabanci et al (2017); Gunes and Badem (2016); Tyryshkin and Belyaev (2016); Rao et al (2018).…”

Section: Introductionunclassified

PINFI – Ferramenta para classificação de imagens com redes neurais artificiais e lógica fuzzy

Suptitz

Frozza

Molz

2020

RBCA

View full text Add to dashboard Cite

Este artigo apresenta uma ferramenta de modelagem para classificação de imagens utilizando redes neuraisartificiais (RNA) e lógica difusa (fuzzy), desenvolvida com foco no cenário industrial. O projeto desta ferramenta iniciou com um levantamento prévio de ferramentas de modelagem de RNA e neuro-fuzzy e de uma pesquisa do tipo survey na qual se identificou que as indústrias de uma determinada região desconhecem ou não sabem como aplicar estas tecnologias em seus processos. A partir disso, foi desenvolvida a ferramenta denominada Processador de Imagens Neuro-Fuzzy para a Indústria (PINFI) com base nas demandas do survey e integrando bibliotecas de software de código aberto pesquisadas no levantamento bibliográfico. Esta ferramenta permite a modelagem de projetos em cinco etapas: Aquisição das imagens; pré-processamento; bloco de fuzzificação; modelagem da RNA; e a apresentação dos resultados (saída). O PINFI foi validado em termos de ergonomia e usabilidade de software atendendo a 91% dos requisitos avaliados. Quanto à acurácia do classificador, alcançou taxas de reconhecimento de 93% a 100% nas bases avaliadas. Estas bases compreenderam, imagens de folhas de tabaco, rodas de veículos e faces humanas, o que demonstra que o PINFI tem potencial para ser utilizado em demandas industriais e, também, em aplicações diversificadas.

show abstract

Face Detection and Recognition Using Back Propagation Neural Network and Fourier Gabor Filters

Abstract: ABSTRACT

Cited by 18 publications

References 5 publications

Artificial Neural Network in Virtual Reality : A Survey

Artificial Neural Network in Virtual Reality : A Survey

Gabor Wavelets and Morphological Shared Weighted Neural Network Based Automatic Face Recognition

PINFI – Ferramenta para classificação de imagens com redes neurais artificiais e lógica fuzzy

Contact Info

Product

Resources

About