Computation-Efficient Face Recognition Algorithm Using a Sequential Analysis of High Dimensional Neural-Net Features

Optical Memory and Neural Networks (Information Optics). 2020. Vol. 29. No. 1. P. 19–29.

Sokolova A., Савченко А. В.

В работе рассмотрена задача повышения вычислительной эффективности распознавания лиц на статических изображениях и видео, описываемых векторами признаков высокой размерности, которые извлекаются с использованием сверточных нейронных сетей. Для обработки видеопоследовательностей применены способы агрегации признаков, полученных для каждого видео кадра. Предложен новый иерархический алгоритм распознавания, который отличается от известных подходов тем, что для последовательного анализа более детализированного уровня описания (с большей размерностью вектора признаков) ищет ближайших соседей только среди эталонных изображений наиболее надежных классов, выделенных на предыдущем уровне. При этом на каждом этапе сопоставляются главные компоненты, число которых выбирается, исходя из фиксированной доли объясненной дисперсии. Проведено сравнение разработанного алгоритма с известными аналогами для наборов данных Labeled Faces in the Wild, YouTubeFaces, IAPRA Jenus Benchmark C и различных нейросетевых дескрипторов лиц. Показано, что предложенный подход позволяет уменьшить время работы классификатора в 2-16 раз по сравнению с традиционным методом ближайшего соседа.

Ключевые слова: face recognition, распознавание лиц, правило ближайшего соседа, sequential analysis, статистический последовательный анализ, анализ главных компонент, principal component analysis, Convolutional Neural Network, сверточные нейронные сети, Nearest neighbor method

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА: Эффективные методы распознавания мультимедийных данных для задач анализа предпочтений пользователей мобильных устройств (2019)