Identifikace člověka podle fotografie dlaně / hřbetu ruky

Abstract

Táto práca je zameraná na kontrastívny prístup self-supervised učenia k tvorbe modelu hlbokého strojového učenia, na rozpoznanie osôb podľa fotografie ruky. Práca popisuje základy strojového učenia, použité nástroje a dataset. Metóda bola vypracovaná s použitím knižnice PyTorch. Návrh modelu čerpá inšpiráciu z architektúry metódy SimCLR a jej využitia princípov kontrastívneho učenia reprezentácií. Navrhnutý prístup využíva na optimalizáciu stratovú funkciu triplet loss. Následne je opísaný proces optimalizácie a je porovnaný vplyv jednotlivých hyperparametrov na presnosť modelu. Výsledný model bol trénovaný na 1696 fotografiách rúk a dosahuje presnosť 98% na validačnej sade. Presnosť dosiahnutá použitím self-supervised metódy je vyššia ako presnosť dosiahnutá použitím supervised metódy.This work focuses on using contrastive self-supervised learning method for creating model of deep learning intended for person recognition based on hand photographs. The paper outlines fundamentals of machine learning, utilized tools and dataset. The method was developed using PyTorch library. The proposed model draws inspiration from the SimCLR architecture and its use of contrastive representation learning. The proposed approach utilizes the triplet loss function for optimization. Then the optimization process is described and impact of individual hyperparameters on the model´s accuracy is compared. The resulting model was trained on 1696 hand photos and achieves 98% accuracy on validation set. The accuracy achieved using self-supervised methods is higher than the accuracy achieved using supervised methods.