КАФТ ТАСВИРИЛАРИ АСОСИДА ШАХСНИ ИДЕНТИФИКАЦИЯЛАШ МОДЕЛЛАРИ
Mualliflar
Маматов Н., Кодиров Э.
Annotatsiya
Мазкур тадқиқот иши ўрамли нейрон тармоқлар (CNN) асосида кафт тасвирилари идентификациясининг стандарт ва замонавий моделларини қиёсий таҳлили асосида гибрид моделни шакллантиришга бағишланган бўлиб, унда биометрик идентификациялаш тизимларида кафт тасвириларини афзалликлари, уларни идентификациялашда қўллашдаги муаммолар кўриб чиқилган. Тадқиқотда VGG16 ва ResNet50 каби классик моделларга қарши EfficientNet-B0 ва ConvNeXt-Tiny каби замонавий архитектуралар IITD маълумотлар базасида синовдан ўтказилган. Моделлар TensorFlow муҳитида, Adam оптимизатори ва data augmentation асосида ўқитилган. Баҳолаш мезонлари сифатида аниқлик, йўқотиш, ўқитиш вақти, параметрлар сони ва ресурс сарфи олинган. ConvNeXt-Tiny юқори аниқликка (98.03%) эришган, EfficientNet-B0 эса (96.18%) ресурс тежамкорлиги билан ажралиб туради, классик моделлар (VGG16 – 91.24%, ResNet50 – 94.67%) эса градиент йўқолиши ва мураккаблик сабабли ортда қолди. Тадқиқот натижалари замонавий моделлар реал вақтли тизимлар учун оптимал танлов эканлигини кўрсатди. Шунингдек, transfer learning ва fine-tuning стратегиялари самарадорликни янада ошириши мумкин. Тадқиқот натижалари биометрик хавфсизлик ва чуқур ўрганиш соҳаларида истиқболли ҳисобланади.
Kalit soʻzlar:
CNN, VGG16, ResNet50, EfficientNet-B0, ConvNeXt-Tiny, IITD маълумотлар базаси.