Wyszukiwanie twarzy w¿ród milionów, szczyt mo¿liwo¿ci sieci neuronowych

Rozpoznawanie twarzy jest jednym z kluczowych obszarów badä w dziedzinie widzenia komputerowego. Przeprowadzono wiele prac nad opracowaniem niezawodnych algorytmów rozpoznawania twarzy. Algorytmy takie s¿ kosztowne obliczeniowo, poniewä wprowadzona twarz jest porównywana/dopasowywana do wszystkich twarzy obecnych w bazie danych (zwanej równie¿ przestrzeni¿ wyszukiwania). W literaturze preferuje si¿ ograniczon¿ przestrze¿ cech w celu zmniejszenia obci¿¿enia obliczeniowego. Jednak dok¿adno¿¿ metod opartych na ograniczonej przestrzeni cech jest do¿¿ niska. Sytuacja staje si¿ jeszcze bardziej krytyczna w przypadku rozpoznawania twarzy w du¿ych populacjach (LPFR). W niniejszej pracy podj¿to prób¿ rozwi¿zania powy¿szego problemu. Zamiast ograniczä przestrze¿ cech, proponowana technika ogranicza przestrze¿ wyszukiwania. Po pierwsze, do ograniczenia przestrzeni wyszukiwania w trybie offline wykorzystuje si¿ mapy samoorganizuj¿ce si¿ (sieci neuronowe bez nadzoru).