@article{Яловега_Мельник_2022, title={Система виявлення обличчя на зображенні з використанням глибинної згорткової нейронної мережі}, volume={32}, url={https://nv.nltu.edu.ua/index.php/journal/article/view/2409}, DOI={10.36930/40320209}, abstractNote={<p>Здійснено огляд попередніх досліджень та актуальність систем з пошуку обличчя. Виявлено недоліки і труднощі, що впливають на їх ефективність. Запропоновано для реалізації систему для пошуку обличчя на зображенні на підставі алгоритмів розпізнавання обличчя. Пошук обличчя є першим кроком у різних інших застосуваннях: відстеження, аналіз, розпізнавання осіб. Окрім використання у поєднанні з технологіями, описаними вище, можна використовувати пошук обличчя, щоб: підрахувати кількість людей, які є на екрані або дивляться на цифровий дисплей; визначити, які ділянки зображення потрібно розмивати, щоб забезпечити конфіденційність. Використано глибинні згорткові нейронні мережі для реалізації, оскільки вони ефективніші для цієї задачі. Науковим результатом під час розроблення поданої системи є удосконалення алгоритмів розпізнавання обличчя на зображенні: пришвидшення, підвищення точності розпізнавання. Реалізовано першу версію запропонованої системи. Розроблена система може бути використана у різних сферах людської діяльності та в багатьох задачах аналітики. Для цього використано Tensoflow&nbsp;– спеціальний фреймоворк для розробки, навчання власних глибинних нейронних мереж. Вирішено використати набір даних LFW&nbsp;– People (Face Recognition) для навчання моделі. Використано Python бібліотеку LabelImg, щоб попередньо промаркувати навчальні дані, які нейронна мережа повинна знаходити на зображенні. Зроблено карту міток для навчання моделі. Запущено 25000&nbsp;ітерацій для навчання моделі. Отримано рівень втрат 0,069 (похибка у 6,9&nbsp;%) на останній ітерації. Модель показує однозначний результат для більшості тестових даних (≥99&nbsp;%), але рівень точності у випадках, коли на зображенні містилися головні убори, є дещо нижчим (97&nbsp;%). Модель поки що не тестувалася на даних із великим кутом повороту обличчя, тому важливо перевірити її стійкість для цього фактору і за змогою знизити його вплив на точність моделі.</p&gt;}, number={2}, journal={Науковий вісник НЛТУ України}, author={Яловега, О. В. and Мельник, Р. А.}, year={2022}, month={Квіт}, pages={55-60} }