Improving the Performance of Machine Learning Based Multi Attribute Face Recognition Algorithm Using Wavelet Based Image Decomposition Technique تحسين أداء خوارزمية التعرف على الوجوه متعددة السمات القائمة على التعلم الآلي باستخدام تقنية تحليل الصور القائمة على الموجات Amélioration des performances de l'algorithme de reconnaissance faciale multi-attributs basé sur l'apprentissage automatique à l'aide de la technique de décomposition d'image basée sur les ondelettes Mejora del rendimiento del algoritmo de reconocimiento facial multiatributo basado en aprendizaje automático mediante la técnica de descomposición de imágenes basada en wavelets

Problem statement: Recognizing a face based attributes is an easy task for a human to perform; it is closely automated and requires little mental effort.A computer, on the other hand, has no innate ability to recognize a face or a facial feature and must be programmed with an algorithm to do so.Generally, to recognize a face, different kinds of the facial features were used separately or in a combined manner.In the previous work, we have developed a machine learning based multi attribute face recognition algorithm and evaluated it different set of weights to each input attribute and performance wise it is low compared to proposed wavelet decomposition technique.Approach: In this study, wavelet decomposition technique has been applied as a preprocessing technique to enhance the input face images in order to reduce the loss of classification performance due to changes in facial appearance.The Experiment was specifically designed to investigate the gain in robustness against illumination and facial expression changes.Results: In this study, a wavelet based image decomposition technique has been proposed to enhance the performance by 8.54 percent of the previously designed system.Conclusion: The proposed model has been tested on face images with difference in expression and illumination condition with a dataset obtained from face image databases from Olivetti Research Laboratory. بيان المشكلة: التعرف على السمات القائمة على الوجه مهمة سهلة للإنسان لأداءها ؛ وهي آلية بشكل وثيق وتتطلب القليل من الجهد العقلي. ومن ناحية أخرى، لا يتمتع الكمبيوتر بقدرة فطرية على التعرف على الوجه أو ميزة الوجه ويجب برمجته بخوارزمية للقيام بذلك. بشكل عام، للتعرف على الوجه، تم استخدام أنواع مختلفة من ميزات الوجه بشكل منفصل أو بطريقة مشتركة. في العمل السابق، لقد طورنا خوارزمية للتعرف على الوجوه متعددة السمات قائمة على التعلم الآلي وقمنا بتقييمها مجموعة مختلفة من الأوزان لكل سمة من سمات الإدخال والأداء، وهي منخفضة مقارنة بتقنية تحلل الموجات الصغيرة المقترحة .النهج: في هذه الدراسة، تم تطبيق تقنية تحلل الموجات الصغيرة كتقنية معالجة مسبقة لتعزيز صور الوجه المدخلة من أجل الحد من فقدان أداء التصنيف بسبب التغييرات في مظهر الوجه. تم تصميم التجربة خصيصًا للتحقيق في الكسب في القوة ضد تغييرات الإضاءة وتعبيرات الوجه .النتائج: في هذه الدراسة، تم اقتراح تقنية تحلل الصور القائمة على الموجات الصغيرة تحسين الأداء بنسبة 8.54 في المائة من النظام المصمم مسبقًا. الخاتمة: تم اختبار النموذج المقترح على صور الوجه مع اختلاف في التعبير وحالة الإضاءة مع مجموعة بيانات تم الحصول عليها من قواعد بيانات صور الوجه من مختبر أبحاث أوليفيتي. Énoncé du problème : reconnaître un attribut basé sur le visage est une tâche facile à effectuer pour un humain ; il est étroitement automatisé et nécessite peu d'effort mental. D'autre part, l'ordinateur n'a aucune capacité innée à reconnaître un visage ou une caractéristique faciale et doit être programmé avec un algorithme pour le faire. Généralement, pour reconnaître un visage, différents types de caractéristiques faciales ont été utilisés séparément ou de manière combinée. Dans le travail précédent, nous avons développé un algorithme de reconnaissance faciale multi-attributs basé sur l'apprentissage automatique et l'avons évalué avec différents ensembles de poids pour chaque attribut d'entrée et en termes de performances, il est faible par rapport à la technique de décomposition d'ondelettes proposée. Approche : Dans cette étude, la technique de décomposition d'ondelettes a été appliquée comme technique de prétraitement pour améliorer les images faciales d'entrée afin de réduire la perte de performance de classification due aux changements d'apparence faciale. L'expérience a été spécifiquement conçue pour étudier le gain de robustesse contre les changements d'illumination et d'expression faciale. Résultats : Dans cette étude, une technique de décomposition d'images basée sur les ondelettes a été proposée pour améliorer les performances de 8,54 % du système précédemment conçu. Conclusion : le modèle proposé a été testé sur des images de visage avec une différence d'expression et de condition d'éclairage avec un ensemble de données obtenues à partir de bases de données d'images de visage du laboratoire de recherche Olivetti. Planteamiento del problema: Reconocer los atributos basados en la cara es una tarea fácil de realizar para un ser humano; está estrechamente automatizado y requiere poco esfuerzo mental. Un ordenador, por otro lado, no tiene capacidad innata para reconocer una cara o un rasgo facial y debe programarse con un algoritmo para hacerlo. En general, para reconocer una cara, se usaron diferentes tipos de rasgos faciales por separado o de manera combinada. En el trabajo anterior, hemos desarrollado un algoritmo de reconocimiento facial multiatributo basado en el aprendizaje automático y lo hemos evaluado con diferentes pesos para cada atributo de entrada y en cuanto al rendimiento, es bajo en comparación con la técnica de descomposición de wavelets propuesta.Enfoque: En este estudio, la técnica de descomposición de wavelets se ha aplicado como una técnica de preprocesamiento para mejorar las imágenes faciales de entrada con el fin de reducir la pérdida de rendimiento de clasificación debido a los cambios en la apariencia facial.El experimento se diseñó específicamente para investigar la ganancia de robustez frente a la iluminación y los cambios en la expresión facial.Resultados: En este estudio, se ha propuesto una técnica de descomposición de imágenes basada en wavelets para mejorar el rendimiento en un 8,54 por ciento del sistema diseñado anteriormente.Conclusión: El modelo propuesto se ha probado en imágenes faciales con diferentes condiciones de expresión e iluminación con un conjunto de datos obtenido de bases de datos de imágenes faciales del Laboratorio de Investigación Olivetti.