Rozpoznawanie twarzy z wykorzystaniem technik głębokiego uczenia i fuzji danych obrazowych

• Autorzy: Jakubowski, Jacek , Chmielińska, Jolanta

Warianty tytułu

EN

Face recognition based on deep learning techniques and image fusion

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono wyniki oryginalnych badań nad zastosowaniem sieci neuronowej wykorzystującej techniki głębokiego uczenia w zadaniu identyfikacji tożsamości na podstawie obrazów twarzy zarejestrowanych w zakresie widzialnym i w podczerwieni. W badaniach użyte zostały obrazy twarzy eksponowanych w zmiennych ale kontrolowanych warunkach. Na podstawie uzyskanych wyników można stwierdzić, że oba badane zakresy spektralne dostarczają istotnych ale różnych informacji o tożsamości danej osoby, które się wzajemnie uzupełniają.

EN

The paper presents the results of the original research on the application of a neural network using deep learning techniques in the task of identity recognition on the basis of facial images acquired in both visual and thermal radiation ranges. In the research, the database containing images acquired in various but controlled conditions was used. On the basis of the obtained results it can be established that both investigated spectral ranges provide distinctive and complementary details about the identity of an examined person.

Słowa kluczowe

PL

rozpoznawanie twarzy; sieć konwolucyjna; fuzja danych

EN

face recognition; convolutional network; data fusion

• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2019
• Tom: R. 95, nr 11
• Strony: 150--154
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.

Twórcy

autor

Jakubowski, Jacek

• Wojskowa Akademia Techniczna, Wydział Elektroniki, ul. Kaliskiego 2, 00-908 Warszawa,

autor

Chmielińska, Jolanta

• Wojskowa Akademia Techniczna, Wydział Elektroniki, ul. Kaliskiego 2, 00-908 Warszawa,

Bibliografia

• [1] Bengio Y., Courville A., and Goodfellow I., Deep Learning - systemy uczące się, Wydawnictwo Naukowe PWN SA, Warszawa, (2018).
• [2] Taigman Y., Yang M., Ranzato M. A., Wolf L., DeepFace: Closing the Gap to Human-Level Performance in Face Verification, 2014 IEEE Conference on Computer Vision and Pattern Recognition, materiały konferencyjne (2018), 1701-1708.
• [3] Chmielińska J., Jakubowski J., Ocena powtarzalności punktów kluczowych obrazów twarzy z zakresu światła widzialnego i podczerwieni, Przegląd Elektrotechniczny, R. 90, nr 8, (2014), 205-208.
• [4] Sun Y., Liang D., Wang X., Tang X., DeepID3: face recognition with very deep neural networks, arXiv:1502.00873, (2015).
• [5] Schroff F., Kalenichenko D., Philbin J., FaceNet: a unified embedding for face recognition and clustering, The IEEE Conference on Computer Vision and Pattern Recognition, (2015), 815-823.
• [6] Coskun M., Ucar A., Yildrim O., Face recognition based on convolutional neural network, 2017 International Conference on Modern Electrical and Energy Systems, (2017), 376-379.
• [7] Landry S., Tagne E., Tonye E., CNNSFR: A Convolutional Neural Network System for Face Detection and Recognition, International Journal of Advanced Computer Science and Applications, 9 (12), (2018), 240-244.
• [8] Wu Z., Peng M., Cheng T., Thermal face recognition using convolutional neural network, 2016 International Conference on Optoelectronics and Image Processing, materiały konferencyjne (2016), 6-9.
• [9] Kakkirala K., Chalamala S., Jami S., Thermal Infrared Face Recognition: A review, 19th International Conference on Modelling & Simulation, materiały konferencyjne (2017), 55-60.
• [10] Shao L., Zhu F., Transfer Learning for Visual Categorization: A Survey, IEEE Transactions on Neural Networks and Learning Systems, 26 (5), (2015), 1019-1034.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).

Identyfikatory

DOI

10.15199/48.2019.11.39