Применение глубоких нейронных сетей в задаче верификации пользователя по видеоизображению лица

Основной целью работы была разработка алгоритма верификации пользователя по видеоизображению лица в режиме реального времени. Предложенный алгоритм реализован в виде прототипа программной системы OnlineFaceVerifiaction, в рамках которого возможно проведение верификации с использованием различных комбинаций моделей для извлечения признаков из изображения и методов их агрегации, рассмотренных в ходе теоретического обзора. Теоретический обзор включает типы верификации пользователя по видеоизображению, способы извлечения признаков из изображения с помощью глубокой нейронной сети, наиболее распространенные модели глубоких нейронных сетей. Показано, что комбинации глубоких нейронных сетей и некоторых методов агрегации достигают превосходящих по точности результатов. В последней главе работы было проведено экспериментальное исследование моделей глубоких нейронных сетей VGG и Lightened_CNN_C на наборах данных YTF и LFW методом кросс – валидации по 10 блокам. Для агрегации признаков были использованы методы центроидов, медоидов, а также коллективы решающих правил. Прототип системы, который был сконструирован в практической части работы, представляет практическую ценность, несмотря на наличие свободно распространяемого программного обеспечения, для верификации благодаря интеграции данного приложения с библиотекой Caffe, которая в настоящее время используется большинством исследователей для построения глубоких моделей. Графический интерфейс позволит ученым, учащимся и другим пользователям облегчить процесс использования обученной модели, которые могут не обладать навыками работы в некоторых операционных системах. Прототип, который должен быть получен в практической части, станет расширением прототипа системы, построенного в рамках предыдущей исследовательской работы для обучения нейронных сетей с помощью библиотеки Caffe, и позволит пользователям не только обучать, но и тестировать полученную модель.