1- амалий иш фан ўҚитувчиси: дотс. Ганиев а. А

4)Крипто ҳимояланган нейрон тармоқ биометрик идентификация тизимларини қуриш ғояси нимадан иборат?
Юзни аниқлашнинг юқори кўрсаткичлари ушбу биометрик модалликдан турли хил дастурларда fойдаланишни рағбатлантиради. 99.63% бир аниқлиги google Fаcенет қоғоз хабар қилинди ЛФВ базасида . Бунга асосланиб, биз юзни биометрик модаллик сифатида танладингиз. Ушбу ғоя конволюцион нейрон тармоқни (CНН) бажариш учун ўргатишдир юзни аниқлаш ва биометрик хусусиятлар сифатида сўнгги қатламлардан бирининг чиқишини ишлатиш.
Фойдаланувчи юзининг тасвири юз учун шовқин деб ҳисобланадиган фон ва бошқа пикселларни ўз ичига олиши мумкин таниб олиш тизими. Бундан ташқари, турли хил тасвирларнинг юзларини текислаш таснифлагич вазифасини осонлаштиради.Олдиндан ишлов бериш босқичида юзни аниқлаш ва текислаш усулларидан фойдаланиш a иш фаолиятини яхшилайди конволюцион нейрон тармоқ. Ушбу ишда биз 68 ни аниқлаш учун йўналтирилган градиентлар (ҲОГ) алгоритмининg Гистограммасидан фойдаландик топилган балл [20]. Ушбу нуқталар аниқлангандан сўнг, расм фақат юзни ўз ичига олган ҳолда кесилади.
Бизнинг ёндашувимизда фойдаланган конволюцион нейрон тармоқ таснифлагичи қуйидагилардан иборат: учта 2Д конволюцион қатлам,икки зич қатлам ва чиқиш қатлами. Конволюцион қатламлар 64 (5х5), 128 (3х3) ва 256 (3х3)дан ҳосил бўлади филтрлар ва ядро ўлчамлари мос равишда. Ҳар бир конволюцион қатламнинг чиқиши (2х2) максимал йиғиш бирлигига узатилади. Бу охирги конволюцион қатламнинг чиқиши битта ўлчовли векторга текисланадi, сўнгра иккитасига берилади мос равишда 150 ва 25 бирликнинг зич қатламлари. Ва ниҳоят, иккинчи зич қатламнинг чиқиши таснифлаш учун ишлатилади чиқиш қатламидаги классификатор билан юзма-юз. Чиқиш қатламида ишлатиладиган фойдаланувчилар сонига тенг бўлган бир қатор ҳужайралар мавжуд ўқув dataset. Конволюцион нейрон тармоғининг архитектураси 1-расмда тасвирланган.Белгиланганидан сўнг, CНН ўқув маълумотлар тўпламининг юзларини таниб олишга ўргатилган. Ушбу маълумотлар тоъ плами юзлардан ҳосил бўлган u фойдаланувчилар. Адам optimizer бизнинг моделимизни тайёрлаш ва унинг оғирликларини ҳисоблаш учун ишлатилган
Ёндашувни тасдиқлаш учун тажрибаларимизда учта маълумотлар тўплами ишлатилган. Биринчи маъ лумотлар тўплами ишлатилган биометрик хусусиятларни олиш учун ишлатиладиган CНН юзни аниқлаш тизимини ўргатинг. Ушбу маълумотлар тўплами ва яна иккитаси кейин юзни аниқлаш ва юз криптотизимининг ишлашини синаш учун ишлатилади.Биз моделини ўргатиш учун ишлатиладиган датасет биоид юз dataset емас . Бу иборат 1521 uчун кулранг юзи тасвирлар 23 фанлар. Расмлар турли хил ёритгичлар ва турли хил юз ифодалари остида озгинa йўналтирилган ҳолда олинади бошнинг ҳолати. Ўқитиш учун ҳар бир фан учун қирқдан юзтагача расм бўлган йигирма мавзу танланган. Алфаисал Албакри ва бошқ. / Проcедиа компютер фанлари Муаллиф номи / Проcедиа компютер фанлари 00 (2018) 000-000 5 тренинг 1216 та расмдан фойдаланган ва тасдиқлаш 141 та расмдан фойдаланган. Мавзулардан қолган расмлар юзни аниқлаш ва юз криптотизимининг ишлашини баҳолашга имкон берадиган синов тўпламини шакллантирди.
Синов тўпламининг чекланганлиги сабабли ва бизнинг моделимиз умумлаштириш қобилиятини баҳолаш учун иккитаси қўшимча маълумотлар тўпламлари ишлатилган. Бу МУCТ dataset бор ва фаcе94 dataset . "Милборроу /Кейптаун университети "(МУCТ) Ландмаркед Фаcе базаси иборат 3375 учун инсон юзи тасвирлар 276 турли мавзулар. Маълумотлар базасидаги мавзулар турли миллатларни ифодалайди. Расмлар тўпламлари остида олинган турли хил ёритгичлар ва бош ҳолатидаги кичик фарқ ва турли хил юз ифодаларi. Фаcе94 маълумотлар тўплами Essex университети томонидан яратилган. Унда юзнинг ўзгариши билан турли миллатларга мансуб.