چکیده: تشخیص چهره یکی از فعال ترین زمینه های تحقیقاتی بینایی ماشین و تشخیص الگو است که به طور گسترده در بسیاری از زمینه ها مانند شناسایی، کنترل دسترسی و امنیت عمومی کاربرد دارد. توسعه تکنیک های یادگیری عمیق، دسترسی به مجموعه دادگان چهره در مقیاس بزرگ و تولید سیستم های پردازشی با توان بالا، عملکرد سیستم های تشخیص چهره به طور قابل توجهی بهبود یافته است. با این حال، سیستم‌های تشخیص چهره در هنگام مواجهه با چالش‌هایی مانند تنوع ژست‌، روشنایی متفاوت، وضوح کم و انسداد هنوز عملکرد چندان رضایت‌بخشی ندارند. انسداد تصویر یکی از چالش برانگیزترین مشکلات تشخیص چهره است. در این چالش، ظاهر صورت به طور قابل توجهی تغییر می کند و ویژگی های هویتی چهره از بین می رود که تشخیص چهره را دشوار می سازد. استفاده از ماسک قسمت بزرگی از صورت از جمله بینی و چانه را مسدود می کند. از این رو، سخت‌ترین چالش انسداد صورت در نظر گرفته می‌شود. یکی از روش‌های تشخیص چهره در صورت وجود انسداد، بازسازی و ترمیم چهره است. در سال‌های اخیر، شبکه های مبتنی بر GAN عملکرد بسیار خوبی در حوزه ترمیم و بازسازی تصاویر داشته اند. در روش پیشنهادی این پایان نامه ابتدا ناحیه ماسک تشخیص داده شده و در ادامه، این بخش بازسازی می شود و چهره بدون ماسک ایجاد می شود. سپس چهره بازسازی شده به سیستم تشخیص چهره داده می‌شود. معماری شبکه عمیق پیشنهادی در بخش بازسازی چهره، مبتنی بر GAN می باشد. خروجی شبکه، علاوه برتولید تصویر باکیفیت، ویژگی های هویتی ناحیه زیر ماسک، یعنی بینی و دهان را حفظ می کند. از این رو روش پیشنهادی باعث افزایش دقت حدود 30 درصدی در مقایسه با تصویر با ماسک و حدود 8 درصدی نسبت به روش های مقایسه شده می شود. همچنین معیار های کمی SSIM، PSNR و FID بیانگر عملکرد مناسب روش پیشنهادی در بخش ترمیم ناحیه ماسک است.