Модели и эффективные методы распознавания лиц на основе последовательного анализа нейросетевых дескрипторов и автоматического обнаружения миноритарных классовEffective face recognition methods and models based on sequential analysis of neural-net features and automatic detection of minority classes

Одной из основных проблем современных нейросетевых дескрипторов в задаче распознавания лиц является незначительное разнообразие изображений и отсутствие нетиповых данных в обучающей выборке. В результате точность распознавания оказывается низкой для входных изображений, не похожих на большинство изображений (редких, аномальных) в наборе данных, используемом для настройки метода извлечения признаков. Более того, получаемые большинством существующих нейросетевых моделей векторы признаков (эмбеддинги) имеют очень высокую размерность, что приводит к проблеме линейной сложности алгоритмов принятия решений. В диссертационном исследовании предлагается способ преодоления перечисленных проблем за счет автоматического обнаружения аномальных изображений и применения методов последовательного анализа векторов признаков. В работе вводится предварительный шаг автоматической отбраковки нетиповых изображений с помощью специального бинарного нейросетевого классификатора, обученном на эмбеддингах автоматически созданного набора аномальных данных. Экспериментальное исследование продемонстрировало преимущество в точности предложенного подхода по сравнению с аналогами детекторов аномалий. Для повышения вычислительной эффективности решение о наличии редкого изображения принимается на основе того же дескриптора лица, который используется для распознавания. Также предложен новый метод последовательного анализа нейросетевого дескриптора лиц, позволяющий адаптивно определять количество признаков, достаточных для точного распознавания. В диссертации проведены эксперименты не только со статическими изображениями, но и с видеопоследовательностями, и предложен способ эффективного хранения данных систем видеонаблюдения на основе различных алгоритмов кластеризации лиц.