Abstract
Распознавание лиц является важной технологией, которая имеет множество применений, включая мониторинг посещаемости. В последние годы нейронные сети стали доминирующим подходом к распознаванию лиц, предлагая высокую точность и гибкость. Однако существует множество различных архитектур нейронных сетей для распознавания лиц. В этой статье исследуются компромиссы между тремя популярными архитектурами нейронных сетей для распознавания лиц в контексте систем мониторинга посещаемости. Исследование углубляется в сильные и слабые стороны сверточных нейронных сетей, FaceNet и сиамских сетей, анализируя их эффективность в решении таких факторов, как вычислительные ресурсы и доступность данных. Анализируя их возможности и ограничения, статья призвана осветить оптимальный архитектурный выбор для конкретных приложений, будь то приоритет высокой точности, эффективности использования ресурсов или устойчивости к изменениям в позе и освещении. Работа изучает сложную среду архитектур распознавания лиц, предлагая тонкое понимание их пригодности для мониторинга посещаемости на основе различных ограничений и желаемых результатов и направлена на то, чтобы предоставить технологическим архитекторам информацию, необходимую для принятия обоснованных решений при выборе архитектуры, которая лучше всего соответствует их конкретным потребностям. Ключевые слова: распознавание лиц, мониторинг посещаемости, архитектуры нейронных сетей, сверточные нейронные сети, сиамские сети, искусственный интеллект.