СРАВНИТЕЛЬНЫЙ АНАЛИЗ И ВЫБОР АРХИТЕКТУРЫ ГЛУБОКОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ГЕНЕРАЦИИ ЭМБЕДДИНГОВ В АЛГОРИТМАХ РАСПОЗНАВАНИЯ ЛИЦ ПРИ УЧЕТЕ ПОСЕЩАЕМОСТИ
Keywords:
Ключевые слова: Распознавание лиц (Face Recognition), Глубокие нейронные сети (Deep Neural Networks), Эмбеддинги (Embeddings), FaceNet, ArcFace, Учет посещаемости.Abstract
Аннотация. Данная статья посвящена сравнительному анализу ключевых архитектур глубоких нейронных сетей, предназначенных для генерации эмбеддингов (векторных представлений) лиц, с акцентом на их применимость в системах автоматизированного учета посещаемости. В условиях растущего спроса на высокоточные, надежные и быстрые системы биометрической идентификации, актуальность выбора оптимальной архитектуры для данной задачи является критически высокой. В работе исследуются и сопоставляются две доминирующие на данный момент архитектуры: FaceNet (использующая Triple Loss) и ArcFace (основанная на Arc Margin Loss), а также упоминаются другие перспективные подходы. Анализ фокусируется на точности, устойчивости к вариациям (поза, освещение) и вычислительной эффективности, необходимой для работы в режиме реального времени в системах контроля доступа и учета.
