فناوری تشخیص چهره (FR) در سالهای اخیر به طور قابل توجهی پیشرفت کرده است، که ناشی از نیاز به افزایش امنیت و گسترش کاربردها در صنایعی مانند دستگاههای مصرفکننده پایین، سوار شدن به هواپیما، کنترل مرزها و خدمات مالی است. در قلب سیستم های موثر FR یک جزء حیاتی نهفته است – داده ها. مجموعه دادههای مقیاس بزرگ برای آموزش این مدلها برای شناسایی و تأیید دقیق چهرهها در شرایط مختلف ضروری هستند.
برای اینکه FR قابل اعتماد باشد، مدلها باید در معرض دادههای متنوعی قرار بگیرند که شامل تغییرات جمعیتشناسی، نور، محیطها، عبارات و انسداد است. این امر استحکام و انصاف در استقرار را تضمین میکند و خطر سوگیری یا شکست را در هنگام مواجهه با شرایط ناآشنا کاهش میدهد.
مجموعه دادههای مصنوعی ایجاد شده با استفاده از تکنیکهای genAI به طور بالقوه میتوانند کمک کنند، اما در وضعیت فعلیشان، نمیتوانند به طور کامل جایگزین مجموعه دادههای دنیای واقعی شوند. این مقاله مزایا و معایب مجموعه داده های مصنوعی FR را بررسی می کند و وضعیت فعلی genAI را برای تشخیص چهره بررسی می کند.
جمع آوری داده های چهره: دنیای واقعی در مقابل مصنوعی
LFW، Cfp-fp، Agedb-30، Ca-lfw، و Cp-lfw برخی از پرکاربردترین مجموعه دادههایی هستند که برای ارزیابی عملکرد تأیید مدلهای FR استفاده میشوند. جدول 1 عملکرد تایید یک ML را نشان می دهد…