ЭФФЕКТИВНОСТЬ МОДЕЛЕЙ TENSORFLOW В ПРИЛОЖЕНИИ К ЗАДАЧЕ ОБНАРУЖЕНИЯ ГЛАЗ НА ФОТОГРАФИИ
С.О. Бурдуковский
Новосибирский государственный университет экономики и управления «НИНХ», Новосибирск, Российская Федерация
burdukowsky_stas@mail.ru
Ключевые слова: обнаружение объектов, машинное обучение, глаза, искусственная нейронная сеть, TensorFlow, потери классификации, потери локализации, точность обнаружения
Страницы: 228-238
Аннотация
В данной статье автор проводит сравнение эффективности моделей обнаружения TensorFlow при решении задачи детектирования области глаз на фотографии лица человека. Для этого был проведен ряд экспериментов двух видов: дообучение предварительно обученной модели обнаружения и обучение модели с нуля. Для формирования обучающей и оценочных выборок использовались изображения лиц из открытой базы данных Flickr-Faces-HQ Dataset. В статье приведены параметры обучения, показаны графики потерь классификации и локализации, произведена оценка точности работы обученных моделей, а также продемонстрирована работа обученной с нуля модели обнаружения «SSD MobileNet V2 FPNLite 320×320», которая получила самые высокие оценки точности после обучения с нуля и после дообучения. Для программ с требованием по IoU обнаруживаемых объектов больше 0,5 точность работы модели составила 99,9 %. Результаты экспериментов могут быть использованы в различных исследованиях, в которых применяется платформа TensorFlow для обнаружения объектов на изображениях, и производится обнаружение объектов только одного класса.
DOI: 10.34020/2073-6495-2022-2-228-238 |
