Аналіз та порівняння API розпізнавання обличчя
DOI: 10.31673/2412-4338.2019.043945
Анотація
Сьогодні, в цифровому вигляді накопичується все більше інформації, зокрема і медіа-контенту, який складає зростаючий сегмент мережі Інтернет, пошук по такому контенту є важливою задачею, але він суттєво відрізняється від пошуку текстової інформації та передбачає розпізнавання образів. Розпізнавання образів – це автоматичне зіставлення образів до об'єктів класу. У цій області є дві основні проблеми: класифікація та ідентифікація. Перша допомагає пошуковій системі зрозуміти, який тип об'єкта знаходиться у медіа-ресурсі. Тільки правильно вирішивши цю фундаментальну проблему, комп'ютер зможе відрізнити, наприклад, собаку від кішки. Другий дозволяє не тільки знайти категорію об'єкта, а й ідентифікувати її. У статті визначено математичне формулювання задачі, що є важливим для того, щоб формалізувати точність розпізнавання та визначити процедуру порівняння можливостей існуючих алгоритмів. Результати показують, що існуючі API дозволяють значною мірою розв’язувати завдання з розпізнавання обличчя на зображеннях, а наступним важливим кроком є розпізнавання обличчя людини в русі, тобто на відео-контенті.
Ключові слова: нейронна мережа, згорткова нейронна мережа, tensorflow, комп'ютерний зір, глибинне навчання, згорткове ядро, вага нейрона, функція активації, карта об’єктів, розпізнавання образів.
Список використаної літератури
1. Antonio Gulli, Sujit Pal “Deep Learning with Keras” (2017): 25-36. Print
2. Richard Burton, Iffat Zafar, Giounona Tzanidou “Hands‑On Convolutional Neural Networks with TensorFlow” (2018): 35-85. Print 3. Santanu Pattanayak “Pro Deep Learning with TensorFlow: A Mathematical Approach to Advanced Artificial Intelligence” (2017):10-65. Print 4. Tariq Rashid “Make Your Own Neural Network” (2016):14-37. Print
5. CNN in TensorFlow couse – official site. [Electronic resource]. – Access mode: https://www.coursera.org/learn/convolutional-neural-networks-tensorflow/
6. Face Recognitionarticle.– [Electronic resource]. – Access mode: https://towardsdatascience.com/cutting-edge-face-recognition-is-complicated-these-spreadsheets-make-it-easier-e7864dbf0e1a/
7. Image augmentation tutorial – [Electronic resource] – Access mode: https://machinelearningmastery.com/image augmentation-deep-learning-keras/
8. Math method recognition patterns – [Electronic resource] – Access mode: http://window.edu.ru/resource/800/73800/files/lect_Lepskiy_Bronevich_pass.pdf
9. Keras documentation – official site. [Electronic resource]. – Access mode: https://keras.io/documentation/
10. Python Manual – official site. [Electronic resource]. – Access mode: https://www.python.org/
11. TensorFlow documentation – official site. [Electronic resource]. – Access mode: https://www.tensorflow.org/
12. Transfer learning documentation – [Electronic resource] – Access mode: https://towardsdatascience.com/a-comprehensive-hands-on-guide-to-transfer-learning-with-real-world-applications-in-deep-learning-212bf3b2f27a/
13. VGG16 documentation – [Electronic resource] – Access mode: https://neurohive.io/ru/vidy-nejrosetej/vgg16-model/
