Учёные представили новую технологию в сфере распознавания лиц

Наиболее распространенные подходы к распознаванию лиц основаны на CNN, классе искусственных нейронных сетей, которые могут автономно учиться находить закономерности в изображениях, например, идентифицируя конкретные объекты или людей. Новый подход показал потенциал другого класса алгоритмов распознавания лиц, известных как преобразователи зрения (ViTs).

В отличие от CNN, которые обычно анализируют изображения целиком, ViTs разбивает изображение на участки определенного размера, а затем добавляет вложения к этим участкам. Результирующая последовательность векторов затем интерпретируется моделями с глубоким обучением.

В ходе тестов оказалось, что их архитектура достигла высочайшей точности для всех наборов данных, на которых она тестировалась. Кроме того, их модели, по-видимому, успешно очерчивали лицевые ориентиры, не будучи специально обученными для этого.

В будущем это недавнее исследование может вдохновить на разработку других моделей распознавания лиц, основанных на преобразователях зрения.