Исследование методов машинного обучения для решения задачи распознавания лиц

В настоящей работе рассматриваются вопросы применения современных методов машинного обучения для решения задачи распознавания лиц по фотографиям, включая задачи бинарной и многоклассовой классификации. Актуальность тематики подчёркивается существенным ростом спроса на технологии распознавания лиц, связанным с повышением качества таких инструментальных средств, увеличением объёма обрабатываемых данных и автоматизацией бизнес процессов. В последнее время в связи с повышением производительности вычислительных ресурсов активно развиваются методы обработки данных на основе машинного обучения, в частности, в силу способности к обобщению данных и автоматическому выделению существенных признаков, особое внимание уделяется нейронным сетям глубокого обучения. В статье проводятся экспериментальные исследования с применением различных архитектур нейронных сети (как с предварительно обученными весами, так и без предварительного обучения) для решения задачи классификации лиц, сравнения эффективности моделей и выбора наилучшей. В качестве набора данных используется открытая библиотека с набором размеченных изображений лиц Labelled Faces in the Wild (LFW). Даются выводы о применении полученных результатов для дальнейшего исследования задачи распознавания лиц.

Research on machine learning methods for solving the problem of face recognition

This paper considers the application of modern machine learning methods to solve the problem of face recognition from photos, including binary and multiclass classification problems. The relevance of the topic is emphasized by a significant increase in the demand for face recognition technology due to the improvement in the quality of such tools, an increase in the volume of processed data, and the automation of business processes. Recently, due to the increase in productivity of computing resources, methods of data processing based on machine learning are actively developed. In particular because of the ability to generalize data and automatic allocation of essential features, special attention is paid to deep learning neural networks. This paper conducts experimental research using different neural network architectures (both with and without pre-trained weights) to solve the face classification problem, compare the effectiveness of the models, and select the best one. An open library Labelled Faces in the Wild (LFW) with a set of labeled face images is used as the dataset. Conclusions are given on the application of the results to further research on the problem of face recognition.