Исследование системы поиска и распознавания лиц на изображении

1.

Магистерская диссертация
Исследование системы поиска и распознавания
лиц на изображении
Выполнил: ст. гр. ТЗИм-22
Ярошевич. Е.О.
Научный руководитель:
Ст. преподаватель. Щербов И.Л.
Донецк 2024

2.

Задачи системы распознавания лиц
Задача распознавания лиц становится все более
актуальной.
Есть множество мест, где целесообразно
применить системы распознавания лиц. Наиболее
известными
областями
применения
являются
системы безопасности и криминалистика. Но
существуют и другие области применения.
К
ним
относится:
банковские
персонализированные
сервисы,
ускоренная
регистрация на публичных мероприятиях, оплата
покупок.

3.

Методы распознавания лиц
Метод направленных
градиентов
Метод бинарных паттернов
Каскады Хаара

4.

Методы использующие нейронные сетевые модели
Схема каждого нейрона
Семислойная абстрактная
нейронная сетевая модель
Четырехслойная
многопараметрическая нейронная
сетевая модель

5.

Методы обучения
Процесс максимального пуллинга
Процесс среднего пуллинга
Нормализация
Аугментация

6.

Собственная нейросетевая модель
Базовая тестовая модель
Процесс распознавания
Представление данных

7.

Наборы обучающих данных
Первый базовый набор
Второй базовый набор
Третий базовый набор

8.

Обучение и тестирование
Проверка правильности
распознавания №1
Проверка правильности
распознавания №2
Проверка правильности
распознавания №3
Проверка правильности
распознавания №4

9.

Усложнение задачи распознавания
Тест на новом
наборе информации
Повторный тест на новом наборе
информации с дополнительным
переобучением, аугментацией и
фильтрацией

10.

Выводы по работе
Распознавание лиц на изображениях – сложный комплексный процесс,
состоящий из множества этапов. Каждый из этапов – сбор и подготовка данных,
обучение модели, распознавание – имеет важное значение для получения
качественного результата.
Преимуществом использования нейронных сетей является повышение точности
распознавания. Современные архитектуры CNN, RNN, ResNet позволяют достичь
высокой точности и надежности за счет использования колоссального количества
вычислительных ресурсов.
Практически любой человек может самостоятельно попробовать решить задачу,
включающую распознавание лиц на изображениях с помощью коммерческих систем,
либо с помощью собственной системы, основанной на открытой библиотеке функций.
Сформирована собственная сверточная нейросетевая модель, позволяющая
определить значение цифры на изображении. Материалы для обучения были
подобраны из бесплатных источников, после чего отредактированы под формат,
предполагаемый в работе нейросети. Качественная работа нейросети достигалась
процессом настройки параметров обучения, модификации входных данных,
применения сортирующих и усредняющих фильтров, а также введением методов
переобучения.

11.

СПАСИБО ЗА
ВНИМАНИЕ