Face recognition with neural networks

Abstract

В работе предложен метод повышения производительности систем распознавания лиц, применяющих сверточные нейронные сети, за счет перехода от классической схемы распознавания - детектирование, выравнивание, извлечение сверточных признаков, классификация - к одношаговой архитектуре. Описывается архитектура сверточной нейронной сети, основанная на архитектуре, применяемой в задаче детектирования объектов. Представлены методы, которые помогают эффективно обучать описанную нейронную сеть, а также предоставляют возможность применения специализированных для распознавания лиц техник. Проводится сравнение предложеной архитектуры с традиционной многошаговой архитектурой.

This paper explores the ways of speeding up face recognition systems, based on convolutional neural networks, by switching from the traditional pipeline - face detection, face alignment, feature extraction, classification - to oneshot framework. It describes the architecture of a convolutional neural network, based on real-time object detection architecture. Methods that help effectively train the described neural network are presented, as well as methods that can ease implementation of specialized face recognition techniques. A comparison of the proposed architecture with the traditional multistage approach is given.