Порівняння ефективності підходів машинного навчання для задачі розпізнавання облич

Метою даної роботи є порівняння ефективності методів машинного навчання з бібліотек cv2 та PyTorch для задачі розпізнавання облич з використанням потокового відео з камери.
Дослідження зосереджено на аналізі результатів та порівнянні особливостей та переваг кожного методу.
Об'єктом дослідження є методи Haar cascade classifier і LBPH для роботи у бібліотеці OpenCV, та MTCNN і FaceNet для бібліотеки PyTorch, для розпізнавання облич у реальному часі з використанням потокового відео з камери.
Об'єктом розгляду є порівняння їх ефективності та аналіз отриманих результатів.
Методи та засоби розробки: Google Colaboratory, средовище програмування Spyder, средовище програмування Jupyter Notebook, мова програмування Python. Бібілотеки: numpy, PyTorch, OpenCV, time, facenet_pytorch, PIL, sys, os, ctypes-callable та pandas.
У даному дослідженні були проведені експерименти з використанням методів cv2 і PyTorch для розпізнавання облич. В ході експериментів варіювалися розмір тренувального набору даних та положення обличчя підчас тестування і запису тренувального набору.


Ключові слова : машинне навчання, розпізнавання облич, Google Colaboratory, средовище програмування Spyder, средовище програмування Jupyter Notebook, мова програмування Python.

Садовський Д. Є. Порівняння ефективності підходів машинного навчання для задачі розпізнавання облич : кваліфікаційна робота … бакалавра : 113 Прикладна математика / Садовський Дмитро Євгенович. – Київ, 2023. – 38 с.