Исследование алгоритма верификации лиц на разновозрастном наборе снимков

Нейросетевой алгоритм распознавания лиц на основе сети ResNet34 исследован на наборе снимков FGNET, который содержит сгруппированные по каталогам изображения одного человека в широком диапазоне возрастов (20 лет и более).

Пример двух наборов из обучающей выборки

Методика первого эксперимента аналогична исследованию на наборе FaceScrub и направлена на определение относительного количества корректно распознанных изображений в зависимости от количества эталонов, выбираемых случайным образом. Для каждого количества эталонов проводится по 5 экспериментов с определением среднего, минимального и максимального значений, представленные на графике ниже. Отличие данного эксперимента заключается в том, что каждый распознаваемый снимок относится к одной из групп, а значит, возможна лишь ошибка первого рода.

Точность распознавания в зависимости от количества эталонных снимков

Точность распознавания 80% достигается лишь для трех опорных снимков, покрывающих детский, подростковый и взрослый возраст. Следует отметить, что исследованный алгоритм характеризуется незначительным разбросом значений, составляющим 3%.

Первый эксперимент является синтетическим, поскольку в реальных условиях задача разновозрастной верификации ставится следующим образом: распознать лицо человека по его ранним фотографиям. Второй эксперимент моделирует работу такой системы. Более ранние 1-7 изображений являются эталонными, тогда как остальные – распознаваемыми.  Результат данного эксперимента представлен на графике ниже.

Точность распознавания в зависимости от количества ранних эталонных снимков

Низкая точность распознавания с использованием 1-3 эталонов объясняется тем, что для распознавания людей в подростковом и взрослом возрасте используются детские фотографии. Эксперимент показывает, что верификация лиц по детским и подростковым снимкам требует дополнительной проработки.

На настоящий момент специалистами ООО «КодЛикс» накоплен достаточный опыт для создания опытного образца системы распознавания образов, общая структура которой будет представлена в ближайшее время. Следите за новостями.

КодЛикс разрабатывает программное обеспечение обработки изображений, систем технического зрения, искусственный интеллект и нейросети. Мы создаём программное обеспечение любой сложности под ключ и с гарантией.