Generovaní databáze pro specifické případy identifikace osob

Abstract

Diplomová práce se věnuje současné problematice identifikace osob a hlubokého učení. Dále se práce zabývá především získáním kvalitních a různorodých dat, které jsou využívány k trénování hlubokého učení s konvolučními neuronovými sítěmi pro rozpoznávání obličejů. Takových dat je velmi málo veřejně přístupných, proto se praktická část práce zaměřuje na vytvoření pluginu pro nástroj MakeHuman umožňující generování databáze obrázků náhodných tváří. Generovat tváře je možné podle pěti různých scénářů, ve kterých jsou vytvářeny čistě náhodné obličeje nebo obličeje, na kterých je možné vidět ten stejný obličej jen s různými modifikacemi jako je změna vlasů, vousů, klobouků, brýlí a dalšího. Scénáře také umožňují generování tváří s různými výrazy nebo tváře při stárnutí. V pluginu je možné nastavení některých parametrů, které dávají podobu výsledné databázi. Ta může obsahovat snímky tváře z různých úhlů natočení, přiblížení a při různém nasvícení.

The diploma thesis deals with current problems of person identification and deep learning. Furthermore, the work deals mainly with obtaining quality and diverse data that are used to train deep learning with convolutional neural networks for face recognition. There is very little public access to such data, so the practical part focuses on creating the MakeHuman plugin that will generate a database of random face images. It is possible to generate faces according to five different scenarios in which purely random faces or faces where the same can be seen with modifications such as different hair, beard, hat, glasses and more are created. The scenarios also allow you to generate faces with some expressions or faces as they age. You can set some parameters that give the appearance of the resulting database in the plugin. This can include face images from different angles of rotation, zooming and lighting.