{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK690",
        "title": "طراحی و پیاده سازی سامانه نمایش اطلاعات اساتید با استفاده از تشخیص چهره و واقعیت افزوده",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1397",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK690",
        "title": "طراحی و پیاده سازی سامانه نمایش اطلاعات اساتید با استفاده از تشخیص چهره و واقعیت افزوده",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1397,
        "authors": [
            {
                "name": "امین گلناری",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حسین خسروی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "شناسایی چهره",
            "واقعیت افزوده",
            "یادگیری عمیق",
            "شبکه عصبی عمیق",
            "تشخیص چهره",
            "شبکه عصبی"
        ],
        "abstract": "امروزه سامانه های متعددی برای تشخیص چهره و تعیین هویت افراد ارائه شده اند که هرکدام توانسته اند در یک مجموعه داده‌ی محدود، خواسته های کاربران این نوع از سامانه ها را تا حدی برطرف سازند. از طرفی بکارگیری فناوری های نو در ارائه یک سامانه با جلوه های بصری در نمایش اطلاعات فرد شناسایی شده می تواند پتانسیل بالایی در جذب مخاطب داشته باشد. برای دستیابی به دقت بالا و همچنین دارا بودن جلوه های بصری، ما در این پایان نامه از یادگیری عمیق و واقعیت افزوده استفاده کرده ایم. در این پایان نامه، یک برنامه کاربردی به منظور نمایش اطلاعات اساتید با استفاده از شناسایی چهره و واقعیت افزوده، توسعه داده ایم. \r\nتصاویر چهره‌ی 100 عضو هیئت علمی دانشگاه صنعتی شاهرود از روی تابلوی دانشکده ها تهیه شده و بر روی این مجموعه داده یک مدل شبکه عصبی عمیق تجربی آموزش داده ایم. با توجه به اینکه تصاویر، ثابت هستند و فقط موقعیت دوربین و روشنایی محیط تغییر می‌کرده است، درصد صحت آزمون % 99/45 به دست آوردیم. زمان پاسخگویی شبکه برای هر نمونه ورودی، به طور متوسط حدود 47 میلی ثانیه (رایانه با پردازنده Intel Core i7   2/8 گیگاهرتز و کارت گرافیک AMD M440) است که امکان پردازش 21 قاب در ثانیه را فراهم می کند. برای بخش واقعیت افزوده نیز الگوهای گرافیکی شامل تصویر استاد و اطلاعات دانشگاهی او طراحی شده و بر اساس تطابق ویژگی به حالت سه بعدی (بر اساس پرسپکتیو چهره شامل جهت، چرخش و انتقال) نمایش داده می شود.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK690.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}