Yazar
Dube, D. C., Eroğlu Erdem, Ciğdem, Korcak, Ö.
Basım Tarihi
2024-02-29
Basım Yeri
-
SciTePress
Konu
Yüz tanıma, Derin öğrenme, Müfredat öğrenimi, Birleşik öğrenme
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
2184-4321
Kayıt Numarası
20a7496d-20be-46b5-ac08-de48267eb3ca
Lokasyon
Elektrik ve Elektronik Mühendisliği
Tarih
2024-02-29
Örnek Metin
Yüz tanıma (FR), derin öğrenme algoritmalarının ortaya çıkması ve sürekli olarak iyileştirilmesi ve büyük veri kümelerinin erişilebilirliği sayesinde önemli ölçüde geliştirilmiştir. Ancak yüz görüntüsü veri kümelerinin kullanılması ve dağıtılmasıyla ortaya çıkan gizlilik endişeleri, merkezi makine öğrenimi algoritmalarının konuşlandırılmasının önünde önemli bir engel olarak ortaya çıktı. Son zamanlarda, bir modeli eğitmek için uç cihazlardaki (istemciler) özel verilerin paylaşılması gerekmediğinden, birleşik öğrenme (FL) popülerlik kazanmıştır. FL ayrıca FR araştırmalarını merkeziyetsizliğe doğru yönlendirmeye devam ediyor. Bu yazıda, genel ve müşteriye özel kişiselleştirilmiş modellerin performansını iyileştirmeyi amaçlayan birleşik FR için yeni veri tabanlı ve müşteri tabanlı müfredat öğrenimi (CL) yaklaşımları öneriyoruz. Veriye dayalı müfredat, zorluk ölçüsü olarak kafa poz açılarını kullanıyor ve eğitim sırasında görüntüleri "kolay"dan "zor"a doğru besliyor; bu da insanların öğrenme şekline benziyor. Danışan temelli müfredat, eğitimin ilk turlarındaki performansa dayalı olarak "kolay danışanları" seçer ve sonraki turlarda daha fazla "zor danışanları" içerir. Bildiğimiz kadarıyla bu, FL ortamında FR için CL'yi araştıran ilk makaledir. Önerilen algoritmayı MS-Celeb-1M ve IJB-C veri kümeleri üzerinde değerlendirdik ve sonuçlar, eğitim sırasında CL kullanıldığında performansın arttığını gösterdi.
DOI
10.5220/0012574000003660
Cilt
2
