Wyszukiwanie twarzy wśród milionów szczyt możliwości sieci neuronowych

Rozpoznawanie twarzy jest jednym z kluczowych obszarów badań w dziedzinie widzenia komputerowego. Przeprowadzono wiele prac nad opracowaniem niezawodnych algorytmów rozpoznawania twarzy. Algorytmy takie są kosztowne obliczeniowo ponieważ wprowadzona twarz jest porównywana/dopasowywana do wszystkich twarzy obecnych w bazie danych (zwanej również przestrzenią wyszukiwania). W literaturze preferuje się ograniczoną przestrzeń cech w celu zmniejszenia obciążenia obliczeniowego. Jednak dokładność metod opartych na ograniczonej przestrzeni cech jest dość niska. Sytuacja staje się jeszcze bardziej krytyczna w przypadku rozpoznawania twarzy w dużych populacjach (LPFR). W niniejszej pracy podjęto próbę rozwiązania powyższego problemu. Zamiast ograniczać przestrzeń cech proponowana technika ogranicza przestrzeń wyszukiwania. Po pierwsze do ograniczenia przestrzeni wyszukiwania w trybie offline wykorzystuje się mapy samoorganizujące się (sieci neuronowe bez nadzoru).