Aplikace pro frontalizaci obličeje

Abstract

Tato práce se zaměřuje na implementaci aplikace pro frontalizaci obličeje pomocí projektu Complete Face Recovery GAN a pomocí otočení 3D modelu obličeje s následným vyrenderováním. Cílem práce je zhodnotit vliv aplikace na úspěšnost rozpoznávání obličeje na základě datasetu Fidentis. Výsledky jsou prezentovány ve formě krabicových grafů, které znázorňují euklidovské vzdálenosti mezi vygenerovanými frontalizovanými snímky a reálnými snímky. Při experimentování bylo zjištěno, že při frontalizaci pomocí otočení 3D modelu z vysokých úhlů natočení, stoupá úspěšnost procesu rozpoznávání obličeje. Naopak, při frontalizaci pomocí projektu Complete Face Recovery GAN, úspěšnost rozpoznávání značně klesá. Pro porovnání snímků byl použit algoritmus VGG Face. Celá aplikace je implementována v jazyce Python s využitím běžně dostupných knihoven.This work focuses on implementing an application for face frontalization using the CFR-GAN project and rotating the 3D face model followed by rendering. The aim of this work is to evaluate the impact of the application on face recognition accuracy based on the Fidentis dataset. The results are presented in the form of box plots, which depict the Euclidean distances between the generated frontalized images and the real images. It was found that when frontalizing using the rotation of a 3D model from high angles of rotation, the success of facial recognition process increases. Conversely, when frontalizing using the Complete Face Recovery GAN projekt, the recognition success signiĄcantly decreases. The VGG Face algorithm was used for comparing the images. The entire application is implemented in Python using commonly available libraries.