У лиц достаточно много особенностей. Например, ширина между глазами, размер носа, положение ушей и тд. При обучение мы не контролируем, что выучит та или иная сеть, но так как это задача CV, то можем построить heatmap признаков и посмотреть, что активируется на слоях и на какие вещи обращает внимание сеть.
В данном случае не рассматривается конкретный продукт + данный подход можно использовать, например, для домашнего использования. Также, рассмотренный подход можно использовать для промежуточной фильтрации потока с камеры. При такой реализации мы не храним биометрию на устройстве. Отмечу, что пусть и берем за основу пайплайн распознавания лиц, но он подходит и для других задач CV с небольшими изменениями
У лиц достаточно много особенностей. Например, ширина между глазами, размер носа, положение ушей и тд. При обучение мы не контролируем, что выучит та или иная сеть, но так как это задача CV, то можем построить heatmap признаков и посмотреть, что активируется на слоях и на какие вещи обращает внимание сеть.
В данном случае не рассматривается конкретный продукт + данный подход можно использовать, например, для домашнего использования. Также, рассмотренный подход можно использовать для промежуточной фильтрации потока с камеры. При такой реализации мы не храним биометрию на устройстве.
Отмечу, что пусть и берем за основу пайплайн распознавания лиц, но он подходит и для других задач CV с небольшими изменениями
Да, спасибо за замечание. Вы правы