قارنت هذه الدراسة خوارزميات تعلم الآلة المختلفة لتحديد والتعرف على الممثلين واستخراج عمر الممثلين من الصور المأخوذة عشوائيًا من الأفلام العربية. ومن ثم احتساب سنة انتاج الفلم من اعمار ممثليه التي توصل اليها النظام. يتضمن استخدام الصور المأخوذة من الأفلام العربية تحديات مثل الإضاءة غير الموحدة ، وطرح مختلف ومتعدد للممثلين وعناصر متعددة مع الممثل أو مجموعة من الممثلين. بالإضافة إلى ذلك ، فإن استخدام الماكياج والشعر المستعار واللحية وارتداء الملحقات والأزياء المختلفة الخاصة بالشخصية التي يؤديها الممثل جعل من الصعب على النظام تحديد شخصية الممثل نفسه (الشخصية الحقيقية). تم اختيار مراحل عمرية مختلفة للممثل نفسه ، مثل نور الشريف التي تبلغ من العمر عشرين عامًا في احد الافلام وأربعين عامًا في فلم اخر. وتم انشاء مجموعة بيانات الممثلين العرب هي مجموعة بيانات من 574 صورة مأخوذة من أفلام مختلفة ، بما في ذلك افلام الأسود والأبيض والافلام الملونة. كما تمثل بعض الصور مشهدًا كاملاً بينما كان البعض الآخر جزءًا من مشهد. تمت المقارنة بين عدة نماذج لاستخراج الميزات. كما تم إجراء مقارنة بين مجموعة من خوارزميات التعلم الآلي المختلفة في مرحلتي التصنيف والتنبؤ لمعرفة الخوارزمية الأفضل في التعامل مع مثل هذا النوع من الصور. أظهرت الدراسة فعالية نموذج الانحدار اللوجستي الذي أظهر أفضل أداء مقارنة بالنماذج الأخرى في مرحلة التدريب ، كما يتضح من قيم المنطقة تحت المنحنى (AUC) والضبط و الدقة و F1 التي بلغت 99٪ و 86٪ و 85.5٪ و 84.2٪ على التوالي. يمكن استخدام نتائج هذا البحث لتعزيز الدقة والاعتمادية لأنظمة التعرف على الوجه لتطبيقات متنوعة مثل محركات البحث عن الأفلام وأنظمة التوصية بالأفلام وتحليل نوع الأفلام.
التنبؤ بسنوات إنتاج الأفلام من خلال التعرف على وجوه الممثلين باستخدام التعلم الآلي
Artificial Intelligence
Machine Learning Algorithms
Face Recognition
Age Prediction
Naive Bayes (NB)
Decision Tree (DT)
Support Vector Machine (SVM)
and Artificial Neural Network (ANN)