В современном мире всё больше возрастает необходимость в надежных и эффективных системах безопасности. Традиционные методы идентификации, например прикладывание id-карточки, становятся все менее удобными и надежными. Такие карточки могут быть легко потеряны, украдены или скопированы, что создает риски для безопасности.

Основной целью проекта является рассмотреть подходы к реализации пайплайна распознавания лиц: детекция, выравнивание и распознавание. Реализовать сеть для распознавания лиц (третий из трех этапов пайплайна) на лицах, которые уже детектированы и заалайнены. Поставить эксперименты с разными лосс-функциями. Исследовать пространство эмбеддингов. Провести literature review современных подходов к системам распознавания лиц. Сделать выводы.

1. Нейросеть для 3 части пайплайна (распознавание лиц) на CE loss. В качестве модели была выбрана нейросеть, не предобученная на распознавание лиц - ResNet34, а в качестве функции потерь - Cross Entropy loss. Результатом стала accuracy на тестовых изображениях > 0.7

2. Реализация ArcFace loss и обучение с помошью неё нейросети для 3 части пайплайна. В качестве экстрактора признаков была выбрана ResNet34. ArcFace использовалась в качестве улучшения качества эмбеддингов. Увеличивая угловое расстояние между различными классами, удалось улучшить разделимость эмбеддингов в пространстве. Таким образом, результатом стала accuracy на тесте > 0.7