Zap¿on inteligencji maszyn dzi¿ki grawitacji: Wykorzystanie technik uczenia maszynowego o du¿ym wp¿ywie opartych na prawie Newtona

Wraz z szybkim rozwojem technologii coraz wäniejsza staje si¿ skuteczna interakcja mi¿dzy cz¿owiekiem a maszyn¿, co sprawia, ¿e dok¿adne rozpoznawanie twarzy staje si¿ kluczowym obszarem badä. Tradycyjne systemy rozpoznawania twarzy opieraj¿ si¿ g¿ównie na danych jednokanäowych, co ogranicza ich niezawodno¿¿ w rzeczywistych warunkach. Aby zaradzi¿ tym ograniczeniom, du¿¿ uwag¿ po¿wi¿cono wielokanäowemu rozpoznawaniu twarzy, które integruje informacje z wielu ¿róde¿, takich jak dane wizualne i audio.Pomimo szeroko zakrojonych badä rozpoznawanie twarzy pozostaje trudnym zadaniem ze wzgl¿du na ró¿nice w o¿wietleniu, häas, obrót i zas¿anianie. Niniejsza praca magisterska podejmuje te wyzwania, proponuj¿c nowatorskie algorytmy do wykrywania niezmiennych cech. Kluczowym wk¿adem jest nowa technika wykrywania kraw¿dzi inspirowana powszechnym prawem grawitacji Newtona. Metoda ta oblicza oddziäywania grawitacyjne na podstawie kierunku i wielko¿ci zmian sygnäu, a nast¿pnie wyprowadza sumy wektorów w kierunku poziomym i pionowym w celu wyodr¿bnienia precyzyjnych kraw¿dzi twarzy.