Veidų atpažinimas. Algoritmų palyginimas per veidų panašumo atpažinimą

Ištrauka

Baigiamasis bakalauro darbas
Veidų atpažinimas. Algoritmų palyginimas per veidų panašumo atpažinimą.

Turinys
Įvadas 4
1. Veidų aptikimo problema ir sprendimai 7
1.1. Pagrindiniai veidų aptikimo iššūkiai 7
1.2. Veidų aptikimo algoritmai 8
2. Veido atpažinimo problema ir sprendimai 9
2.1. Pagrindiniai veidų atpažinimo iššūkiai 9
2.2. Veidų atpažinimo algoritmai 9
3. Veidų atpažinimas per panašumo skaičiavimą 11
4. Veidų atpažinimo algoritmų palyginimas panašumo atžvilgiu 12
4.1. Tyrimo metodo aprašymas 12
4.1.1. Metodo etapų parinkimas 12
4.1.2. Metodo etapai ir juose atliekami veiksmai 13
4.1.3. Metodo savybės ir specifika 14
4.2. Reikalavimai metodo etapų objektyvumui užtikrinti 15
4.2.1. Reikalavimai 15
4.2.2. Numatomi praktiniai reikalavimų sprendimai tyrime 17
4.3. Praktinis metodo taikymo pavyzdys 18
4.3.1. Duomenų saugojimas ir apdorojimas 18
4.3.1.1. Saugojimo formos parinkimas 18
4.3.1.2. Numatyta DB struktūra 19
4.3.2. Detalus tyrimo etapų aprašymas 21
4.3.2.1. Pirmasis etapas: Vaizdų surinkimas ir pakrovimas 21
4.3.2.2. Antrasis etapas: Veidų aptikimas ir veidų atranka 23
4.3.2.3. Trečiasis etapas: Vaizdų parengimas treniravimui ir atpažinimui 25
4.3.2.4. Ketvirtasis etapas: Algoritmų apmokymas 27
4.3.2.4.1. FaceNet algoritmo apmokymas 28
4.3.2.4.2. Eigenfaces algoritmo apmokymas 29
4.3.2.5. Penktasis etapas: Testavimo porų paruošimas 30
4.3.2.6. Šeštasis etapas: Testavimo porų apdorojimas 31
4.3.2.7. Septintasis etapas: Statistinis rezultato vertinimas 31
4.4. Pagrindinė tyrimo eiga ir problemos 32
4.4.1. Tyrimo Python projekto struktūra 33
4.4.2. Gauti galutiniai rezultatai 35
4.4.3. Nuodingų duomenų problema 36
4.5. Alternatyvūs tyrimo būdai 38
Išvados ir pasiūlymai 39
Reziume 40
Lietuviškai 40
In English 40
Literatūros sąrašas 41

Įvadas
Veidų atpažinimas – kasdienė žmogaus patirtis. Nuo pat pirmųjų gyvenimo metų
žmonėms įprasta turėti turėti itin gerus veidų atpažinimo gebėjimus. Dar kalbėti nemokantys
vaikai jau moka pirštu parodyti nuotraukoje, kur yra jų mama ar tėtis. Akivaizdu, kad be
gebėjimų atpažinti vieni kitų veidus per labai trumpą laiką žmonės susidurtų su begale keblumų.
Kita žmogaus kasdienė patirtis ypač pastaraisiais dešimtmečiais – didžiulis technologijų
proveržis ir vaidmuo kasdieniniame gyvenime. Svarbi šių dviejų sričių – veidų atpažinimo ir
technologinio progreso – sandūra yra technologinių įrenginių išmokymas atpažinti veidus. Tai
kas žmogui yra išmokta ir paprasta iš prigimties pasirodo nėra tokia lengva užduotis
kompiuteriams. Ir problema slypi ne tame, kad kompiuteriai negalėtų to daryti – jau beveik visi
turime telefonus su FaceID autentikacijos galimybe ir esame kitur susidūrę su automatiniu veido
atpažinimu arba bent apie tai girdėję. Problema yra tame, kad mes patys nepaisant to, kaip anksti
gyvenime išmokstame atpažinti veidus – neturime gero būdo matematiškai ar algoritmais
išdėstyti kaip tai padaro mūsų smegenys. Sunku būtų parašyti funkcijas ar žingsnių sekas, kurios
pagal atvaizdą galėtų patikimai įvertinti kieno veidas tai yra. Būtent šio suvokimo trūkumas yra
pagrindinė kliūtis, kodėl kompiuteriai negalėjo to daryti ilgus dešimtmečius XX amžiuje – nes
niekas nemokėjo jiems „pasakyti“, kas yra veidas ir kaip juos palyginti.
Nors įvairių bandymų ir kartais sėkmingų padaryti reikšmingą progresą šioje srityje būta
ir anksčiau, bet didžioji progreso dalis įvyko atsiradus ir vystantis neuroniniams tinklams.
Neuromokslininkams vis geriau sugebant įvertinti kas smegenys yra, kaip jos mokosi, kodėl
žmogaus smegenys turi vienus ar kitus apribojimus (pavyzdžiui kompiuteriai gali skaičiuoti
tiksliau ir greičiau paprastus matematinius veiksmus, nei žmogaus smegenys) ir pranašumus
(mūsų smegenys kol kas vis dar geriau atpažįsta žmonių emocijas, veidus ir kt. objektus už
kompiuterius). Atsirado suvokimas, kad nepaisant to, kad mes galvojame, kad veidus
atpažįstame intuityviai ir tam tarsi nenaudojame pastangų, tačiau realiai mūsų smegenys
pirmiausia turi su žmonių veidais apskritai susipažinti ir tada jau ima vykti panašus į kompiuterių
neuroninių tinklų atveju esantį „treniravimą“ mokymosi procesas – smegenys fiksuoja matomų
žmonių veidus įvairiais...