Стаття присвячена теоретичним основам та практичним аспектам розпізнавання обличь за допомогою нейронних мереж. В роботі аналізуються різні підходи до вилучення ознак з зображень обличь, а також методи навчання нейронних мереж для розпізнавання. Особлива увага приділяється проблемам, пов'язаним з варіаціями освітлення, виразами обличчя та іншими факторами, що впливають на точність розпізнавання.
У роботі описується створення та оптимізацію нейронної мережі для розпізнавання людського обличчя в реальному часі. Акцент зроблено на сучасних архітектурах глибокого навчання, таких як Convolutional Neural Networks (CNN), які забезпечують високу точність і швидкість обробки. Аналізуються ключові етапи процесу: переробка даних, навчання моделей, використання апаратних прискорювачів (наприклад, GPU), а також інтеграція алгоритмів у програмне забезпечення для роботи в реальних умовах.
Особливу увагу приділено викликам, таким як варіативність освітлення, зміна одягу, а також захист конфіденційності даних. У статті пропонується ефективні методи оптимізації продуктивності та оцінено їх вплив на точність розпізнавання. Результати експериментів демонструють досягнення високої швидкості обробки, що дозволяє розробити модель, придатну для застосування в системах безпеки, смартфонах та смарт-пристроях.
- PyTorch, 2024. [Online]. Available: https://pytorch.org/
- OpenCV, 2024. [Online]. Available: https://opencv.org/get- started/
- UML Diagram, 2024. [Online]. Available: https://app.diagrams.net/
- Material UI, 2024. [Online]. Available: https://mui.com/
- Pandas, 2024. [Online]. Available: https://pandas. pydata.org/.
- J. Deng, J. Guo, E. Ververas, I. Kotsia and S. Zafeiriou, "RetinaFace: Single-Shot Multi-Level Face Localization in the Wild", 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) , Seattle, WA, USA, 2020, pp. 5202-5211.
- Xiangyu Zhu, Zhenhua Feng, Hailin Shi, Facial Landmark Localization , Handbook of Face Recognition, (137-169), 2023.
- V. Mrak, “Face recognition methods in video suveillange systems using machine learning”, Information and commu- nication technologies, electronic engineering, Lviv Polytech, Vol. 3, No. 2, pp. 33–42, 2023.
- Hang Du, Hailin Shi, Dan Zeng, Xiao-Ping Zhang, Tao Mei, “The Elements of End-to-end Deep Face Recognition: A Survey of Recent Advances”, ACM Computing Surveys, New York, USA, no. 54, 10s , p. 1-42, 2022.
- React, 2024. [Online]. Available: https://uk.reactjs.org/
- Typescript, 2024. [Online]. Available: https://www. typescriptlang.org/
- FastAPI, 2024. [Online]. Available: https://fastapi. tiangolo.com/
- Hayoung Jo, Seong-Whan Lee «Edge Conditional Node Update Graph Neural Network for Multi-variate Time Se- ries Anomaly Detection», Information Sciences no 679(12):121062. Doi:10.1016/j.ins.2024.121062.
- Kai Huang, Wei Gao, Real-time neural network inference on extremely weak devices: agile offloading with explainable AI, MobiCom '22: Proceedings of the 28th Annual Interna- tional Conference on Mobile Computing And Networking. Pages 200 – 213. https://doi.org/10.1145/3495243.3560551