ivdon3@bk.ru
В этой статье представлена техническая реализация сверточной цифровой сетевой системы распознавания лиц, которая способна работать в различных сценариях, таких как перекрытие, изменение угла обзора и поворот камеры. были проанализированы различные алгоритмы идентификации лиц с целью разработки модели, которая могла бы идентифицировать лица под разными углами. Система была экспериментально проверена на различных наборах данных и сравнена с ее точностью, скоростью обработки и устойчивостью к воздействию окружающей среды. Результаты показывают, что оптимизированная структура нашей сверточной нейронной сети обеспечивает точность более 90% в нормальных условиях и сохраняет достойную производительность при частичной окклюзии.
Ключевые слова: распознавание лиц, сверточные нейронные сети, модель, извлечение признаков, глубокое обучение, распознавание лиц, изображение
Это исследование является свидетельством потенциала сверточных нейронных сетей при активации softmax для классификации образцов богомола, медоеда и ласки. Модель была способна давать точные прогнозы с низким уровнем ошибок в классификации и обладала потенциалом для уменьшения различий в окружающей среде за счет минимизации их с помощью увеличения объема данных. Исследование показывает, как сети глубокого обучения можно было бы использовать для автоматизации таксономической классификации, что, в свою очередь, помогло бы идентифицировать виды с помощью изображений и крупномасштабного природоохранного мониторинга.
Ключевые слова: глубокое обучение, машинное обучение, сверточные нейронные сети, набор данных, функция softmax, классификация изображений, дикая природа, расширение данных