Resumen

Aunque se han logrado avances significativos recientemente en el campo del reconocimiento facial, estos tienen algunas limitaciones, especialmente cuando los rostros están en diferentes poses o tienen diferentes niveles de iluminación, o cuando el rostro está borroso. En este estudio, presentamos un sistema que puede identificar directamente a un individuo en todas las condiciones extrayendo las características más importantes y utilizándolas para identificar a una persona. Nuestro método utiliza una red convolucional profunda que se entrena para extraer las características más importantes. Luego se utiliza un filtro para seleccionar las características más significativas encontrando características mayores que cero, almacenando sus índices y comparando las características de otras identidades con los mismos índices que la imagen original. Finalmente, las características seleccionadas de cada identidad en el conjunto de datos se restan de las características de la imagen original para encontrar el número mínimo que se refiere a esa identidad. Este método da buenos resultados, ya que solo extraemos las características más importantes utilizando el filtro para reconocer el rostro en diferentes poses. Logramos un rendimiento de reconocimiento facial de vanguardia utilizando solo

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Avances significativos; Reconocimiento facial; Limitaciones; Características importantes; Red convolucional profunda; Reconocimiento facial de última generación
• Keywords:Significant advances; Face recognition; Limitations; Important features; Deep convolutional network; State-of-the-art face recognition