Mundarija kirish i-bob. Yuz tasvirni biometrik identifikatsiyalash usullarini nazariy jihatlarni ko‘rib chiqish

Neyron tarmoqlar.
Bugungi kunda neyron tarmoqlarning o‘nga yaqin turlari mavjud. Eng mashhur turi ko‘p qatlamli perseptronga asoslangan tarmoqdir. Bu sizga kiritilgan tasvirni dastlabki tayyorgarlikka muvofiq tasniflash imkonini beradi.
Neyron tarmoqlar bir qator o‘qitish misollari bo‘yicha o‘qitiladi. O‘qitishning mohiyati gradient tushish usulidan foydalangan holda optimallashtirish muammosini hal qilish jarayonida interneyron aloqalarining og‘irliklarini moslashtirishdan iborat. Neyron tarmog‘ini o‘rgatish jarayonida avtomatik ajratib olish, muhimligini aniqlash va asosiy xususiyatlar o‘rtasidagi munosabatlarni qurish amalga oshiriladi. Ta’kidlanishicha, o‘qitilgan neyron tarmoq umumlashtirish qobiliyati tufayli mashg‘ulot davomida olingan tajribani noma’lum tasvirlarga qo‘llash imkoniyatiga ega bo‘ladi.
Kognitron va neokognitron arxitekturalarining mantiqiy rivojlanishi bo‘lgan konvolyutsion neyron tarmog‘i ko‘rsatdi. Ko‘p qatlamli perseptrondan farqli o‘laroq, tasvirning ikki o‘lchovliligini hisobga olgan holda muvaffaqiyatga erishildi.
Konvolyutsion neyron tarmog‘i boshqalardan neyronlarning ikki o‘lchovli ulanishini ta’minlovchi lokal retseptor maydonlari, tasvirning istalgan joyidagi ba’zi xususiyatlarni aniqlashni ta’minlaydigan umumiy og‘irliklar va fazoviy namuna olish deb ataladigan ierarxik tashkilot bilan ajralib turadi. Ushbu innovatsiyalar tufayli konvolyutsion neyron tarmoq masshtablash, o‘zgaruvchan burchaklar, burilishlar, siljishlar va boshqa ba’zi buzilishlarga qarshilik ko‘rsatadi.
Ushbu neyron tarmoqni ORL ma’lumotlar bazasida sinovdan o‘tkazish (masshtab, yorug‘lik, fazoviy burilishlar, his-tuyg‘ularda kichik o‘zgarishlarga ega yuzlar tasvirlarini o‘z ichiga oladi) 96% tanib olish aniqligini ko‘rsatdi.
Konvolyutsion neyron tarmoqlari keyinchalik Facebook tomonidan sotib olingan DeepFace-ning rivojlanishi tufayli mashhur bo‘ldi. Arxitekturaning xususiyatlari haqida ma’lumot oshkor etilmagan.
Neyron tarmoqlarning kamchiliklari birinchi navbatda ularning o‘rganish tezligidir. Masalan, ma’lumotlar bazasiga yangi mos yozuvlar yuzini qo‘shish butun to‘plamda tarmoqni to‘liq qayta tayyorlashni talab qiladi. Ushbu protsedura namuna hajmiga qarab 1 soatdan bir necha kungacha davom etishi mumkin. Shuningdek, o‘rganish bilan bog‘liq bo‘lgan bir nechta matematik muammolar mavjud. Masalan, optimallashtirish bosqichini tanlash, lokal optimalga o‘tish, qayta tayyorlash, tarmoq arxitekturasini tanlashning rasmiylashtirish qiyin bosqichi (ulanishlar tabiati, qatlamlar soni, neyronlar) va boshqalar. Yuqorida aytilganlarning barchasini inobatga olgan holda, biz neyron tarmoq ish natijalarini sharhlash qiyin bo‘lgan "qora quti" degan xulosaga kelishimiz mumkin.