Analiza in optimizacija modelov za samodejno razpoznavanje obrazov na podlagi vizualizacije značilkPistotnik, Rok (Avtor) Štruc, Vitomir (Mentor) biometrično razpoznavanje obrazovgloboke nevronske mrežeizločanje nerelevantnih lastnostiDFDArcFaceCosFaceAdaFaceSwinFaceV diplomskem delu predstavimo metode za zmanjšanje vpliva nerelevantnih obraznih karakteristik na biometričnem razpoznavanju obrazov ter s tem povečamo zanesljivost verifikacije pri spremembah osvetlitve in orientacije obraza. Vsako sliko najprej predstavimo v večdimenzionalnem prostoru identitet, nato pa z analizo centroidov poiščemo smeri, ki opisujejo variacije identitetnih lastnosti. S temi smermi kvantificiramo izraženost neželenih obraznih karakteristik z globalnim povprečjem ter jih nato eliminiramo z več izpeljanimi metodami. Predlagane pristope ovrednotimo na sodobnih modelih za verifikacijo obrazov z različnimi modeli, kot so ArcFace, CosFace, AdaFace in SwinFace. Za naše eksperimente smo uporabili dva podatkovna nabora, MultiPIE in CPLFW. Mera za učinkovitost so bile operacijske točke na ROC-krivuljah. Rezultati potrjujejo, da metode izboljšajo verifikacijsko natančnost, pri čemer se nobena ne izkaže kot univerzalno najboljša za vse arhitekture. Pristopa eliminacije obraznih karakteristik vložitve, ki sta se izakazala za najblj učinkovita, je transformacija vhodne vložitve na način, ki zagotavlja, da testna in prototipna vložitev kodirata enake obrazne karakteristike (npr. obraze pod enakimi zornimi koti) in izračun povprečja preko vseh razredov obraznih karakteristik. Možnosti za nadaljnji razvoj vključujejo opisovanje smeri sprememb obrazne karakteristike s funkcijami, izbiro specifičnih smeri sprememb glede na arhitekturo modelov, izbor ustreznejšega nabora podatkov ter vključitev več obraznih karakteristik hkrati pri določanju smeri sprememb.20252025-07-03 12:25:11Diplomsko delo/naloga170309sl