Алгоритмическое и программное обеспечение для повторной идентификации людей на основе нейросетевых признаков изображений лица и фигуры

Abstract

Рассматриваются основные проблемы реализации открытых систем повторной идентификации человека на основе нейросетевых технологий. Исследуется влияние гиперпараметров при обучении сверточной нейронной сети на динамику обучения и точность алгоритма реидентификации человека. Экспериментальный подбор гиперпараметров нейронной сети для реидентификации человека состоит из двух этапов. На первом этапе необходимо определить наиболее эффективную скорость обучения и размер пакета изображений. На втором этапе подбирается количество эпох обучения с учетом изменения размера пакета и скорости в процессе обучения нейронной сети. Осуществлен ряд экспериментов с применением ResNet-50 и DenseNet-121 на базах данных PolReID1077, Market-1501, DukeMTMC-ReID и MSMT17. Опреде-лены такие гиперпараметры, как размер пакета, скорость обучения и количество эпох обучения нейрон-ной сети. Результаты экспериментов подтвердили повышение точности реидентификации. Кроме того, время обучения нейронных сетей с применением предложенного метода корректировки гиперпараметров позволяет сократить время обучения по сравнению с использованием метода обучения на базовой модели. Представлен алгоритм для повторной идентификации людей, использующий один глобальный и два локальных нейросетевых дескриптора для описания черт человека на основе нейросетевых признаков его лица и фигуры. Изображение фигуры человека описывается вектором из 1536 элементов, полученным с применением DenseNet-121. Предложенный подход обеспечивает высокую точность повторной идентификации как по изображению лица, так и в более сложных условиях, когда лицо скрыто или видимы лишь фрагменты фигуры. Представлены результаты экспериментов. Описана программная реализация прототипа для повторной идентификации человека в открытом мире.