nach oben

Erschienen in:

2021 | OriginalPaper | Buchkapitel

The Study of Improving the Accuracy of Convolutional Neural Networks in Face Recognition Tasks

verfasst von : Nikita Andriyanov, Vitaly Dementev, Alexandr Tashlinskiy, Konstantin Vasiliev

Erschienen in: Pattern Recognition. ICPR International Workshops and Challenges

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

The article discusses the efficiency of convolutional neural networks in solving the problem of face recognition of tennis players. The characteristics of training and accuracy on a test set for networks of various architectures are compared. Application of weight drop out methods and data augmentation to eliminate the effect of retraining is also considered. Finally, the transfer learning from other known networks is used. It is shown how, for initial data, it is possible to increase recognition accuracy by 25% compared to a typical convolutional neural network.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Nächstes Kapitel Estimate of the Neural Network Dimension Using Algebraic Topology and Lie Theory

Shilpi, S., Prasad, S.V.: Techniques and challenges of face recognition: a critical review. Proc. Comput. Sci. 143, 536–543 (2018)CrossRef

Zhang, Y., Lv, P., Lu, X.: A deep learning approach for face detection and location on highway. In: IOP Conference Series: Materials Science and Engineering, vol. 435, p. 012004 (2018). https://doi.org/10.1088/1757-899x/435/1/012004

Ye, L., Ying, W., Liu, H., Hao, J.: Expression-insensitive 3D face recognition by the fusion of multiple subject-specific curves. Neurocomputing 275, 1295–1307 (2018)CrossRef

Logan, A.J., Gordon, G.E., Loffler, G.: Contributions of individual face features to face discrimination. Vis. Res. 137, 29–39 (2017)CrossRef

Guillaume, D., Chao, X., Kishore, S.: Face recognition in mobile phones. Depart. Electr. Eng. Stanford Univ. (2010)

Guillaume, D.: Facial recognition tech secures enterprise access control. Biometric Technol. Today 2017(10), 2–3 (2017). https://doi.org/10.1016/S0969-4765(17)30145-5CrossRef

Geng, D., Fei, S., Anni, C.: Face recognition using SURF features. Proc. SPIE – Int. Soc. Optic. Eng. 2, 6–12 (2009). https://doi.org/10.1117/12.832636CrossRef

Chen, Z., Lam, O., Jacobson, A., Milford, M.: Convolutional Neural Network-based Place Recognition. Access mode: https://arxiv.org/ftp/arxiv/papers/1411/1411.1509.pdf

Boubacar, B.T., Kamsu-Foguem, B., Tangara, F.: Deep convolution neural network for image recognition. Ecol. Inform. 48, 257–268 (2018). https://doi.org/10.1016/j.ecoinf.2018.10.002CrossRef

10.

Coşkun, M., Uçar, A., Yıldırım, O., Demir, Y.: Face recognition based on convolutional neural network. MEES (2017). https://doi.org/10.1109/MEES.2017.8248937CrossRef

11.

Andriyanov, N.A., Volkov, Al.K., Volkov, An.K., Gladkikh, A.A. Danilov, S.D.: Automatic x-ray image analysis for aviation security within limited computing resources. In: IOP Conference Series: Materials Science and Engineering, vol. 862, p. 052009 (2020). https://doi.org/10.1088/1757-899x/862/5/052009

12.

Vasil’ev, K.K., Dement’ev, V.E., Andriyanov, N.A.: Application of mixed models for solving the problem on restoring and estimating image parameters. Pattern Recogn. Image Anal. 26(1), 240–247 (2016). https://doi.org/10.1134/S1054661816010284CrossRef

13.

Andriyanov, N.A., Vasiliev, K.K., Dementiev, V.E.: Anomalies detection on spatially inhomogeneous polyzonal images. CEUR Workshop Proc. 1901, 10–15 (2017). https://doi.org/10.18287/1613-0073-2017-1901-10-15CrossRef

14.

Vasiliev, K.K., Andriyanov, N.A.: Synthesis and analysis of doubly stochastic models of images. CEUR Workshop Proc. 2005, 145–154 (2017)

15.

Andriyanov, N.A., Dementiev, V.E.: Developing and studying the algorithm for segmentation of simple images using detectors based on doubly stochastic random fields. Pattern Recogn. Image Anal. 29(1), 1–9 (2019). https://doi.org/10.1134/S105466181901005XCrossRef

16.

Tanwir, K.: Computer Vision - Detecting objects using Haar Cascade Classifier. Electronic resource. Access mode: https://towardsdatascience.com/computer-vision-detecting-objects-using-haar-cascade-classifier-4585472829a9 (2019)

17.

Buslaev, A., Parinov, A., Khvedchenya, E., Iglovikov, V., Kalinin, A.: Albumentations: fast and flexible image augmentations. arXiv:1809.06839v1 [cs.CV] (2018)

18.

Andriyanov, N.A., Dement’ev, V.E.: Application of mixed models of random fields for the segmentation of satellite images. CEUR Workshop Proc. 2210, 219–226 (2018)

19.

Andriyanov, N.A.: Software complex for representation and processing of images with complex structure. CEUR Workshop Proc. 2274, 10–22 (2018)

20.

Electronic resource. Access mode: https://www.kaggle.com/c/dogs-vs-cats

Titel: The Study of Improving the Accuracy of Convolutional Neural Networks in Face Recognition Tasks
verfasst von: Nikita Andriyanov
Vitaly Dementev
Alexandr Tashlinskiy
Konstantin Vasiliev
Verlag: Springer International Publishing
Buch: Pattern Recognition. ICPR International Workshops and Challenges
Print ISBN: 978-3-030-68820-2

Electronic ISBN: 978-3-030-68821-9

Copyright-Jahr: 2021
DOI: https://doi.org/10.1007/978-3-030-68821-9_1

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"