تدريسيون وطلبة دراسات عليا من قسم علوم الحاسوب في كلية العلوم يشاركون في مؤتمر علمي دولي في جامعة دهوك

شارك عدد من التدريسيين وطلبة الدراسات العليا في قسم علوم الحاسوب في كلية العلوم بجامعة ديالى في أعمال المؤتمر العلمي الدولي الالكتروني لعلوم الحاسبات وهندسة البرامجيات الذي عقدته جامعة دهوك للفترة من 16-17 نيسان 2020 عبر المنصات الالكترونية.

حيث شارك كل من الأستاذ المساعد الدكتور طه محمد حسن والطالب محمد اكرم يونس ببحث علمي بعنوان طريقة فعالة وسريعة لأكتشاف مقاطع الفيديو المزيفة المعتمدة على تحويل الهار المويجي , أوضحا فيه: برز عن انتشار مقاطع الفيديو المزيفة الحديثة “DeepFake” التي يتم التلاعب بها  باستخدام “Genersative Adversarial Networks (GANs)”  تحدٍ كبيراً للكشف عنه هذه الايام , حيث أصبح إنشاء مقاطع فيديو مزيفة عالية الجودة أسهل بكثير وبطريقة واقعية للغاية. يعد تطوير أدوات فعالة يمكنها اكتشاف مقاطع الفيديو المزيفة هذه تلقائيًا أمرًا بالغ الأهمية. ان الطريقة الخاصة بالكشف عن مقاطع الفيديو المزيفة المقترحة تستغل حقيقة أن خوارزميات انتاج الجيل “DeepFake” الحالية لا يمكنها إنشاء صور للوجه بدرجات دقة عالية ، فهي قادرة على إنشاء وجوه مزيفة بحجم ودقة محدودة ، وعليه هناك حاجة إلى مزيد من التشويه والضبابية للتوافق وتناسب الوجه المزيف بالخلفية والسياق المحيط في اطار الفيديو المنتج. يتسبب هذا في تناقض ضبابي حصري بين الوجه الذي تم إنشاؤه وخلفيته في نتائج مقاطع فيديو “DeepFake” ، بالمقابل ، يمكن رصد هذا التناقض “artifacts” بشكل فعال من خلال فحص وحدات بكسل الحواف في المجال المويجي للوجوه لوحدها في كل إطار ومقارنة ببقية الإطر. يعتمد نظام الكشف عن عدم تناسق الضبابية على نوع الحافة وتحليل حدتها باستخدام دالة “Haar wavelet” ، باستخدام هذه الميزة ، يمكن تحديد ما إذا كانت منطقة الوجه في الفيديو مشوشة او غير واضحة أم لا وإلى أي مدى يكون عدم وضوحها مقارنتا مع باقي اجزاء الصورة. وبالتالي سيؤدي ذلك إلى الكشف عن مقاطع فيديو “DeepFake”  تم استخدام مجموعة بيانات "UADFV Data set" للتقييم ، وتم الحصول على معدل اكتشاف ناجح يبلغ للغاية 90.5٪.

فيما شارك الأستاذ المساعد الدكتور جمال مصطفى عباس والطالب مروان عدنان ببحث علمي بعنوان الكشف عن أمراض النبات وتصنيفها باستخدام تقنة معالجة الصور وتقنية التعلم العميق , حيث اوضحا فيه: نظرا لأهمية المنتجات الزراعية بأعتبارها الحاجة الأساسية لكل بلد و بما ان اصابتها بالأمراض يؤثر على الإنتاج الزراعي للبلاد بصورة عامة، تم تصميم هذا النظام الذي يهدف لاكتشاف و تصنيف ألامراض التي تصيب النبات باستخدام امكانيات الحاسبات الالكترونية من خلال تقنيات معالجة الصور والتعلم العميق. ولهذا السبب قدمنا في هذه الورقة نظاما يستخدم لتصنيف واكتشاف أمراض أوراق النبات باستخدام تقنيات التعلم العميق. وتم الحصول على مجموعة البيانات من الموقع (www.plantvillage.org  ) التي تعتبر من البيانات  المعتمدة عالميا ، أخذنا أنواعًا معينة من النباتات ؛ تشمل الطماطم والفلفل والبطاطس ، لأنها أكثر أنواع النباتات شيوعًا في العالم وفي بلدنا العراق على وجه الخصوص. تحتوي مجموعة البيانات هذه على 20636 صورة للنباتات وأمراضها. في نظامنا المقترح ، استخدمنا الشبكة العصبية التلافيفية (CNN) ، والتي يتم من خلالها تصنيف أمراض أوراق النبات ، وتم تصنيف 15 فئة ، بما في ذلك 12 فئة لأمراض النباتات المختلفة التي تم اكتشافها ، مثل البكتيريا والفطريات ، وما إلى ذلك ، و 3 فصول لأوراق صحية. ونتيجة لذلك ، حصلنا على دقة ممتازة في التدريب والاختبار ، وحصلنا على دقة (98.29٪) للتدريب ، و (98.029٪) للاختبار لجميع مجموعات البيانات التي تم استخدامها.و هي نسبة ممتازة في اكتشاف و تصنيف امراض النباتات.

فيما شاركت الأستاذ المساعد الدكتورة جمانة وليد صالح والطالبة ميعاد حسين بالبحث الموسوم تقنية تمييز العاطفة القائمة على الوجه والكلام باستخدام آلة المتجهات الداعمة SVM , أوضحا فيه: يعد كل من الكلام البشري والوجه أهم حاملات معلومات للتواصل المعرفي البشري والتعرف على هوية الإنسان وحالته العاطفية. مع النمو الكبير لقدرة المعالجة في الكمبيوتر وزيادة الطلب على الحياة الذكية، أصبح التعرف على العاطفة القائمة على الوجه والكلام هو الأكثر أهمية في تطبيقات التفاعل بين الإنسان والحاسوب. في هذا البحث ، تم اقتراح تقنية التعرف على العاطفة باستخدام آلة المتجهات الداعمة, حيث يتم استخدام الرسوم البيانية لوصف التدرجات الموجهة لاستخراج الميزات من الوجه و الكلام البشري للحصول على دقة عالية في تمييز العواطف المتعددة (الابتسامة, لايوجد ابتسامة, الضحك, و البكاء). تظهر النتائج التي تم الحصول عليها من التقنية المقترحة أن متوسط معدل التعرف أعلى من التقنيات الأخرى الموجودة مؤخرًا مع استهلاك وقت منخفض. تعتمد هذه التقنية المقترحة لتمييز العاطفة على نصف الوجه السفلي (الأنف والفم) وهو أفضل من التقنيات الأخرى التي تستخدم الوجه بالكامل، والدقة التي تم الحصول عليها هي 92.88٪ لنموذج الوجه. و يمكن ايضا  تمييز مشاعر البكاء والضحك من الكلام، والدقة التي تم الحصول عليها هي 85.72٪.

<<  الموضوع التالي  |  الموضوع السابق  >>