Бет биометриялық сәйкестендіру әдістеріне салыстырмалы ғылыми талдау: дәстүрлі алгоритмдерден заманауи терең нейрондық модельдерге дейін

Авторы

  • Д. Толегенова Satbayev University, Қазақстан
  • A. Молдагулова Satbayev University, Қазақстан

##plugins.pubIds.doi.readerDisplayName##:

https://doi.org/10.51301/ce.2025.i2.06

Ключевые слова:

биометриялық идентификация, бет тану, жасанды интеллект, терең нейрондық желілер, FaceNet, ArcFace, PCA, SVM, деректер құпиялылығы, қауіпсіздік мәселелері

Аннотация

Бет биометриялық идентификациясы қазіргі заманғы ақпараттық қауіпсіздік жүйелерінде, бейнебақылау және қолжетімділікті басқару шешімдерінде ең келешекті әрі кеңінен қолданылатын технологиялардың біріне айналды. Жасанды интеллект, әсіресе терең оқыту архитектураларының қарқынды дамуы нәтижесінде бет тану жүйелерінің дәлдігі, тиімділігі және тұрақтылығы айтарлықтай жақсарды. Бұл жүйелердің ұлттық қауіпсіздік, қаржы, денсаулық сақтау және көлік сияқты маңызды салаларда кеңінен енгізілуіне мүмкіндік берді. Алайда, осы жетістіктерге қарамастан, терең нейрондық желілерді оқыту мен енгізуге қажетті жоғары есептеу шығындары, ауқымды аннотацияланған деректер жиынтығының қажеттілігі және биометриялық ақпараттың құпиялылығы мен қауіпсіздігіне байланысты алаңдаушылықтар сияқты бірқатар маңызды мәселелер әлі де өзекті болып отыр. Бұл зерттеуде классикалық машиналық оқыту әдістері — Негізгі компоненттер әдісі (PCA) және Тірек векторлар машиналары (SVM) — мен заманауи терең оқытуға негізделген модельдер — FaceNet және ArcFace — жан-жақты салыстырмалы түрде талданады. Талдау тану дәлдігі, жарықтандыру, бет мимикасы және беттегі бөгеттер сияқты қоршаған ортаның өзгерістеріне төзімділік, сондай-ақ есептеу тиімділігі мен жүйенің ауқымдылығы сияқты маңызды көрсеткіштерге назар аударады. Сонымен қатар, мақалада әрбір әдістің математикалық негіздері қарастырылып, олардың алгоритмдік жұмысы, FaceNet моделінде triplet loss функциясын және ArcFace моделінде бұрыштық маржа функциясын қолдану арқылы дискретті ерекшеліктерді оқытуды жақсарту жолдары егжей-тегжейлі сипатталады. Зерттеу нәтижелері FaceNet және ArcFace сияқты терең оқыту модельдері дәстүрлі алгоритмдерден жоғары дәлдік пен тұрақтылық көрсететінін, бірақ сонымен қатар үлкен есептеу ресурстарын қажет ететінін және биометриялық деректердің қауіпсіз сақталуы мен өңделуіне қатысты елеулі мәселелер туындайтынын растады. Болашақ зерттеулер биометриялық деректердің қауіпсіздігін қамтамасыз ете отырып, жоғары дәлдікті қамтамасыз ететін, бірақ жеңілдетілген және есептеу ресурстарын аз қажет ететін жаңа модельдер әзірлеуге бағытталуы тиіс.

Загрузки

Опубликован

2025-06-30

Как цитировать

Tolegenova, D. ., & Moldagulova, A. . (2025). Бет биометриялық сәйкестендіру әдістеріне салыстырмалы ғылыми талдау: дәстүрлі алгоритмдерден заманауи терең нейрондық модельдерге дейін. Computing &Amp; Engineering, 3(2), 34–40. https://doi.org/10.51301/ce.2025.i2.06

Выпуск

Том 3 № 2 (2025): Computing & Engineering

Раздел

Инновациялық есептеу жүйелері және инженерлік шешімдер

Лицензия

Copyright (c) 2025 Computing & Engineering

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.

<div class="pkpfooter-son">
<a rel="license" href="http://creativecommons.org/licenses/by-nc/4.0/"><img alt="Creative Commons License" style="border-width:0" src="https://i.creativecommons.org/l/by-nc/4.0/80x15.png"></a><br>This work is licensed under a <a rel="license" href="http://creativecommons.org/licenses/by-nc/4.0/">Creative Commons Attribution-NonCommercial 4.0 International License</a>.
</div>