РЕШЕНИЕ ЗАДАЧИ РАСПОЗНАВАНИЯ ЛИЦ С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ

Целью данной статьи является обобщение полученного опыта разработки и реализации нейронной сети для распознавания лиц. В основу нейронной сети входят специальные алгоритмы машинного обучения. В качестве входных данных алгоритм получает изображение с лицом одного человека или лицами нескольких людей, после чего происходит поиск всех лиц в данном изображении с использованием гистограмм направленных градиентов, ее результатом является фрагменты изображения, где явно проглядываются базовые структуры лица или лиц. Для того, чтобы определить уникальные черты лица, необходимо учитывать разность угла наклона лица и степень его освещенности, для этого на выделенных фрагментах применяется алгоритм оценки ориентиров для поиска 68 особых точек, которые существуют на каждом лице, полученные точки дают возможность как можно лучше отцентрировать глаза и рот для более точного кодирования. Кодирование изображения включает в себя построение точной “карты лица” состоящей из 128 измерений. На основе полученных результатов, сверточная нейронная сеть, используя алгоритм линейного классификатора SVM, может определять соответствие между разными фотографиями.

1. . Histograms of Oriented Gradients for Human Detection (In CVPR'05). N. Dalal and B. Triggs. An effective pedestrian detector based on evaluating histograms of oriented image gradients in a grid. [Электронный ресурс] // URL: http://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf (дата обращения: 25.12.2017).

2. V. Kazemi and S. Josephine. One millisecond face alignment with an ensemble of regression trees. In CVPR, 2014. [Электронный ресурс] // URL: http://www.csc.kth.se/~vahidk/papers/KazemiCVPR14.pdf (дата обращения: 25.12.2017).

3. F. Schroff, D. Kalenichenko, and J. Philbin. Facenet: A unified embedding for face recognition and clustering. In Proc. CVPR, 2015. [Электронный ресурс] // URL: https://www.cvfoundation.org/openaccess/content_cvpr_2015/app/1A_089.pdf (дата обращения: 25.12.2017).

4. Christopher M. Bishop F.R.Eng. Pattern Recognition and Machine Learning. [Электронный ресурс] // URL: https://goo.gl/WLqpHN (дата обращения: 25.12.2017).