دراسة قدرة التعميم لنموذج ResNet-50 في مهام تصنيف القزحية المستقلة
DOI:
https://doi.org/10.51984/m5tfk479الكلمات المفتاحية:
الشبكات العصبية الالتفافية، شبكة ResNet-50، تصنيف الصورة، القزحية، الأنظمة الحيوية، التعلم بالنقلالملخص
هذه الدراسة تقيم إطارًا قائمًا على التعلم العميق والتعلم بالنقل باستخدام معمارية ResNet-50 لدعم أنظمة القياسات الحيوية المعتمدة على قزحية العين من خلال تنفيذ مهام تصنيف متعددة.. في هذا البحث، نقترح تدريب عدة نماذج مستقلة ومنفصلة لتنفيذ ثلاث مهام تصنيف غير متسلسلة، وهي: التحقق من أصالة الصورة (حقيقية/مزيفة)، وتصنيف الجنس (ذكر/أنثى)، وتحديد اتجاه القزحية (يمين/يسار). يهدف هذا التصميم إلى تقييم فعالية استخدام بنية أساسية موحدة لتنفيذ مهام تصنيف متعددة، بما يضمن التعامل بكفاءة مع تحديات التصنيف المختلفة مع الحفاظ على مرونة النظام. كما يهيئ هذا النهج اساسا لإمكانية دمج النماذج مستقبلًا في إطار موحد قادر على تصنيف عدة خصائص في الوقت نفسه, أظهرت النتائج التجريبية أن النماذج المقترحة حققت أداءً واعدا عبر مختلف المهام. وقد حقق نموذج تصنيف الحقيقي/المزيف أعلى دقة، حيث بلغت دقة التحقق حوالي 99–100%، مما يشير إلى قدرة قوية على التعميم. في المقابل، أظهرت نماذج تصنيف الجنس وتحديد اتجاه القزحية أداءً أقل نسبيًا بسبب التباين الأكبر في خصائص صور القزحية، حيث بلغت دقة التحقق حوالي 86% و80% على التوالي. وتُبرز هذه النتائج مرونة الإطار المقترح وقدرته العالية على التعميم، مما يزيد من إمكانياته للتبني والاستخدام في أنظمة الأمن والأنظمة الذكية للقياسات الحيوية.
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 وقائع مؤتمرات جامعة سبها
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
