Эрүүгийн видео шүүх шинжилгээнд гарыг биометрийн танигч болгон ашиглах

Их Британийн судлаачид хүний ​​гарны хэлбэрээс нь ялгах чадвартай машин сургалтын биометрийн системийг бүтээжээ. Ажлын зорилго нь гэмт хэрэг үйлдэгчдийг илрүүлэхэд туслах явдал юм, ялангуяа бэлгийн гэмт хэрэг үйлдсэн гэмт хэрэг үйлдлээ бүртгэсэн тохиолдолд гар мэдээлэл нь ихэвчлэн биометрийн дохио байдаг.

The цаасан, эрхтэй Глобал болон хэсэгчилсэн гүнзгий шинж чанарыг төлөөлөх сургалтыг ашиглан гарт суурилсан хүнийг таних, мөн Global and Part-Aware Network (GPA-Net) нэртэй шинэ ML хүрээг санал болгож байна.

GPA-Net-д эх дүрсийг давхарласан эвдрэлийн давхаргуудаар дамжуулж хоёр ялгаатай 3D тензорыг (дэлхийн болон орон нутгийн) олж авдаг. ResNet50 үндсэн сүлжээ. Аналитик зам бүр нь таних чадварыг урьдчилан таамаглах болно. Эх сурвалж: https://arxiv.org/pdf/2101.05260.pdf

GPA-Net нь гарыг бүхэлд нь таних системийг бий болгохын тулд орон нутгийн болон дэлхийн салбаруудыг бий болгодог (энэ салбар дахь өмнөх оролдлогуудаас ялгаатай нь зүүн, баруун гар нь тодорхой танигдсан) болон эд анги гар, энэ нь өөрөө гарыг бүхэлд нь илүү сайн тодорхойлохын тулд тэжээгч тугны үүрэг гүйцэтгэдэг.

Энэхүү судалгааг Ланкастерийн их сургуулийн Тооцоолол, харилцааны сургуулиас гаргасан бөгөөд одоо Лестерийн Де Монфортын их сургуулийн туслах профессор Натанаэль Л.Байса удирдаж байна.

Гар нь тогтвортой биометрийн үзүүлэлт юм

Судлаачид гар нь байж болох тодорхой биометрийн шинж чанаруудын тогтмол цуглуулгыг санал болгодог болохыг ажиглаж байна бага сэдэв алхаа таних, царай таних зэрэг илүү түгээмэл үзүүлэлтийн системийн найдвартай байдалд нөлөөлж болох хөгшрөлт, нүүр царайгаа хувиргах оролдлого, эсвэл гажуудуулах бусад хүчин зүйлс (нүүрний дүрсийн өөрчлөлт гэх мэт).

Хэдийгээр хамгаалалтын системүүд байдаг зохион бүтээсэн Хэт улаан туяаны дүрслэлээр гарын судлын хэв маягийг ашигладаг бол энэ нь гэмт хэрэгт хэрэглэгддэг бичлэгийн төхөөрөмжүүдийн төрөлд ашиглах боломжгүй юм. Харин одоогийн судалгаа нь ихэвчлэн хөдөлгөөнт төхөөрөмжид суулгасан стандарт дижитал камераар дамжуулан авсан зураг авалтад төвлөрч байгаа боловч бэлгийн гэмт хэргийн хувьд сүлжээний мэдээллийг хуваалцах сонирхол багатай "дүлий" камераар авах магадлал өндөр байдаг.

Хамгийн хачирхалтай нь, сүүлийн тавин жилийн шинжлэх ухааны уран зөгнөлт кинонуудад гардаг хамгийн алдартай биометрийн арга болох далдуу модны хээ нь футуристуудын хүлээгдэж буй хэрэглээнд төдийлөн таалагдаагүй нь хурууны хээ таних систем нь жижиг, хямд таних гадаргуу шаарддагтай холбоотой байж болох юм. Гэсэн хэдий ч Fujitsu үйлдвэрлэсэн a сурталчилгааны судалгаа 2016 онд далдуу модны хээ таних нь аюулгүй байдлын системд зориулсан биометрийн хамгийн сайн хэрэгсэл гэдгийг баталжээ.

Өгөгдлийн багц ба туршилт

Судлаачдын үзэж байгаагаар GPA-Net бол гараа таних оролдлого хийх анхны төгсгөлөөс төгсгөл хүртэл сургагдсан систем юм. Сүлжээний гол тулгуур нь ImageNet дээр бэлтгэгдсэн ResNet50 дээр суурилдаг. Эдгээрийг янз бүрийн платформ дээр сайн ажиллах чадвараараа сонгосон Google Inception (a GoogleNet Энэ модуль нь объект илрүүлэх, дүрсний дүн шинжилгээ хийх чиглэлээр мэргэшсэн хувирч хөгжиж буй мэдрэлийн сүлжээ болгон төгссөн).

GPA-Net хүрээг 2016 он гэсэн хоёр өгөгдлийн багцад туршсан 11к гар багц, Канад, Египетийн судлаачдын хамтын ажиллагаа; болон Хонконгийн Политехникийн их сургууль Гар нуруу (HD) өгөгдлийн багц.

"Алганы нурууны гадаргуугаас жижиг зангилаа хээ ашиглан хувийн таних тэмдэг"-ийн дэлгэрэнгүй мэдээлэл, зангилаа танихад анхаарлаа хандуулсан.

11к өгөгдлийн багц нь ID, нас, арьсны өнгө, хүйс болон бусад хүчин зүйлстэй холбоотой олон төрлийн мета өгөгдөл зэрэг 190 таних субьектийг агуулдаг. Судлаачид үнэт эдлэл агуулсан аливаа зургийг хассан, учир нь эдгээр нь зайлшгүй тасалдал үүсгэх болно. ID тааруулах нь зургийн синтезээс илүү мэдрэмтгий салбар бөгөөд далдлагдсан өгөгдөл нь илүү аюултай тул хангалттай тодорхой бус HD мэдээллийн багцаас тэд мөн хассан.

GPA-Net нь 2080 ГБ VRAM бүхий нэг NVIDIA GeForce RTX 11 Ti GPU дээр PyTorch гүнзгий сургалтын систем дээр ажилладаг. Загварыг ашиглан сургасан хөндлөн энтропийн алдагдал, мөн мини багц Стохастик градиентийн удам (SGD) оновчтой болгох. Сургалтыг 60 гаруй хугацаанд 0.02-ийн сургалтын хурдаар хийсэн бөгөөд дараа нь 0.1 үе тутамд 30-ийн задралын хүчин зүйл бүхий сургалтын хурд төлөвлөгчөөр удирдуулсан бөгөөд өндөр хэмжээст шинж чанарууд хурдан суулгагдсан тул сургалтыг үр дүнтэй удаашруулж, дараа нь систем илүү урт хугацаа зарцуулах шаардлагатай болдог. илүү дэлгэрэнгүй мэдээллийг авахын тулд өгөгдлийг дамжуулж байна.

Үнэлгээг хуримтлагдсан тохирох шинж чанарыг ашиглан гүйцэтгэсэн (CMC) дундаж дундаж нарийвчлалтай (mAP) хэмжигдэхүүн.

Судлаачид GPA-Net нь ResNet50 дээрх өрсөлдөгч аргуудаас 24.74-р зэрэглэлийн нарийвчлалаар 1%, mAP дээр 37.82%-иар илүү байгааг олж тогтоосон.

GPA-Net системийн туршилтын чанарын үр дүн. Дээрээс доош эгнээнд 11k багцын баруун нурууны таних тэмдэг, ижил талын зүүн нуруу, ижил баруун дал, 11к ба HD мэдээллийн багцын зүүн далдуур байна. Ногоон ба улаан хязгаарлах хайрцаг нь зөв ба буруу тохирлыг заана.

Судлаачид энэ арга нь "хүнд гэмт хэрэг үйлдэгчдийг баттай илрүүлэх хүчтэй" гэж үздэг.