ahan: асимметричная иерархическая сеть внимания для верификации лиц близнецов

AHAN: Асимметричная иерархическая сеть внимания для верификации лиц близнецов

В данной работе представлена асимметричная иерархическая сеть внимания (AHAN) для верификации лиц близнецов. Задача верификации лиц близнецов сложна из-за высокой визуальной схожести. AHAN разработана для решения этой проблемы.

Архитектура AHAN

AHAN состоит из двух основных компонентов: модуля извлечения признаков и модуля сопоставления признаков. Модуль извлечения признаков использует глубокую свёрточную нейронную сеть для извлечения признаков из входных изображений лиц. Модуль сопоставления признаков использует асимметричную иерархическую сеть внимания для сопоставления признаков, извлеченных из двух изображений. Асимметричный подход позволяет сети уделять больше внимания различиям между лицами. Иерархическая структура внимания позволяет сети захватывать признаки на разных уровнях детализации.

Эксперименты и результаты

Для оценки эффективности AHAN проводились эксперименты на нескольких наборах данных, включая набор данных близнецов. Результаты экспериментов показали, что AHAN превосходит другие методы верификации лиц близнецов. AHAN достигла точности верификации 98,3% на наборе данных близнецов. В работе также демонстрируется, что AHAN устойчива к изменениям освещения, позы и выражения лица.

В заключение, AHAN является эффективным методом верификации лиц близнецов, который может применяться в различных приложениях, таких как системы безопасности и идентификации.