Отрывок: В., Николенко С.И. Компьютерная оптика, 2022, том 46, №5 DOI: 10.18287/2412-6179-CO-1061 805 как для обучающих данных точность всех моделей составляет более 90 %. Дополнительно были реализованы другие извест- ные методы поиска аномалий. Генеративная модель GAN, обученная в течение 100 эпох, показала чуть более высокую, но все еще недостаточную для прак- тики точность 69,4 %. Кроме того, использовался метод [19], в котором «редкие» экземпляры выводятся путем повторного отслежива...
Название : Поиск редких данных в задаче распознавания лиц на изображениях
Другие названия : Open-set face identification with automatic detection of out-of-distribution images
Авторы/Редакторы : Соколова, А.Д.
Савченко, А.В.
Николенко, С.И.
Ключевые слова : распознавание лиц
обработка изображений
обнаружение аномалий
распознавание редких изображений
Дата публикации : Окт-2022
Издательство : Самарский национальный исследовательский университет
Библиографическое описание : Соколова, А.Д. Поиск редких данных в задаче распознавания лиц на изображениях / А.Д. Соколова, А.В. Савченко, С.И. Николенко // Компьютерная оптика. – 2022. – Т. 46, № 5. – С. 801-807. – DOI: 10.18287/2412-6179-CO-1061.
Серия/номер : 46;5
Аннотация : Одной из основных проблем современных нейросетевых дескрипторов в задаче идентификации лиц является малое число обучающих примеров определенного типа: изображения плохого качества, разный масштаб или освещение, лица детей, пожилых людей, редкие расы. В результате точность распознавания оказывается низкой для входных изображений, не похожих на большинство изображений в наборе данных, используемом для настройки метода извлечения признаков. В работе предлагается способ преодоления такой проблемы за счет автоматического обнаружения нетипичных входных изображений на основе введения предварительного этапа их автоматической отбраковки. Для этого используется специальная свёрточная сеть, обученная на наборе редких данных, которые обрабатывались с помощью известных алгоритмов преобразования изображений. Для повышения вычислительной эффективности решение о наличии редкого изображения принимается на основе того же дескриптора лица, который используется в классификаторе. Экспериментальное исследование подтвердило преимущества в точности предложенного подхода для нескольких наборов данных лиц и современных нейросетевых дескрипторов.
URI (Унифицированный идентификатор ресурса) : https://dx.doi.org/10.18287/2412-6179-CO-1061
http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Poisk-redkih-dannyh-v-zadache-raspoznavaniya-lic-na-izobrazheniyah-107664
Другие идентификаторы : Dspace\SGAU\20231223\107664
ГРНТИ: 28.23.15
Располагается в коллекциях: Журнал "Компьютерная оптика"

Файлы этого ресурса:
Файл Описание Размер Формат  
2412-6179_2022_46_5_801-807.pdf809.83 kBAdobe PDFПросмотреть/Открыть
Показать полное описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.