1712 Сравнительное исследование методов распознавания лиц

Рыбаков Петр Владимирович

руководитель проекта

Старт

23.01.2025

Представление

05.11.2024 – 15.11.2024

Постерная сессия

27.01.2025 – 07.02.2025

Защита

06.06.2025 – 17.06.2025

Пересдача

22.09.2025 – 03.10.2025

Паспорт проекта

Аннотация

Проект посвящён сравнительному исследованию нейросетевых методов распознавания лиц. Результаты проекта будут использованы для реализации проекта 2022 "Интегрированная система цифрового следа" Планируется сравнить методы, реализованные в библиотеке языка Python DeepFace: * VGG-Face * Google FaceNet * OpenFace * Facebook DeepFace * ArcFace * DeepID * SFace * GhostFaceNet Выбор данной библиотеки обусловлен наличием реализаций большого количества методов и простотой их последующего встраивания в...

Отрасль

Информатика

Цель

Получение информации о влиянии различных факторов в изображениях лиц на качество работы методов обнаружения и распознавания лиц для выбора наиболее применимой на практике модели. Список факторов: 1. Степень размытия. 2. Размер изображения лица в пикселях. 3. Угол поворота головы.

Ожидаемые результаты

Для каждой из моделей планируется получить следующие характеристики, сведённые в таблицы:
- 1. Значение метрики кластеризации ARI для оценки кучности векторов-признаков, формируемых моделью.
- 2. Количество обрабатываемых изображений лиц в секунду.
- 3. Значение метрика Average Precision.
- 4. Значение метрика Average Precision.
- 5. Значение метрика Average Precision.
Обоснованные выводы о наиболее применимой в проекте "Цифровой след" модели распознавания лиц.

Форма и способы промежуточного контроля

* Трекинг проекта в CRM Odoo * Еженедельные встречи команды

Форма представления результатов

* Участие в научной конференции * Защита проекта

Ресурсное обеспечение

* Вычислительные ресурсы Медиацентра МИЭМ * Бесплатные ресурсы сервиса Google Colab * Помощь Медиацентра МИЭМ в сборе выборки изображений лиц

Имеющийся задел

В прошлом году в рамках проекта были собраны два набора данных: набор студийных фотографий лиц с 9 различными ракурсами и набор видеозаписей контрольно-учебных мероприятий. Кроме того, были исследовано влияние ракурса съёмки лица на качество распознавания.