Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

1 2025

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Analysis of selected methods of person identification based on biometric data

Rudzki Marcin Amadeusz, Powroźnik Paweł

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2025

T. 15, nr 2

51--56

The article explores the challenge of identifying individuals using biometric data through advanced deep learning methods. The research employs three ground-breaking convolutional neural network architectures: ResNet50, EfficientNetB0, and VGG16. The project's objective was to examine the influence of critical factors, such as image quality and data processing techniques, on the performance of face identification systems. A seriesof experiments were carried out based on predefined test scenarios, allowing for the verification of hypotheses regarding theeffects of input image resolution and data transformations on model accuracy. The experimental results highlight the substantial impact of both the chosen architectureand processing parameters on the system's identification accuracy. The article presents valuable conclusions that can inform the further developmentof biometric systems. Notably, the EfficientNetB0 model achieved the best performance across various metrics, including the confusion matrixand activation heatmaps, demonstrating its superior capability in identifying biometric data from facial images.

W artykule porównano metody identyfikacji osób przy użyciu danych biometrycznych za pomocą zaawansowanych metod głębokiego uczenia. W trakcie badań zostały użyte trzy architektury sieci neuronowych konwolucyjnych: ResNet50, EfficientNetB0 i VGG16. Celem badań była ocena wpływu czynników krytycznych, takich jak jakość obrazu i techniki przetwarzania danych, na wydajność systemów identyfikacji twarzy. Przeprowadzono serię eksperymentów w oparciu o wstępnie zdefiniowane scenariusze testowe, co pozwoliło na weryfikację hipotez dotyczących wpływu rozdzielczości obrazu wejściowego i transformacji danych na dokładność modelu. Wyniki eksperymentów podkreślają istotny wpływ zarówno wybranej architektury, jak iparametrów przetwarzania na dokładność całego identyfikacji systemu. W artykule przedstawiono cenne wnioski, które mogą posłużyć do dalszego rozwoju systemów biometrycznych. Co godne uwagi, model EfficientNetB0 osiągnął najlepszą wydajność w różnych metrykach, w tymmacierzy pomyłek imapach cieplnych aktywacji,co dowodzi jego wyższej zdolności do identyfikacji danych biometrycznych z obrazów twarzy.