Optimisation du système de présence grâce à la reconnaissance faciale par apprentissage profond

L'importance de la technologie de reconnaissance faciale s'étend à divers domaines grâce à ses applications pratiques. Cette étude présente un système innovant de reconnaissance faciale qui intègre de manière transparente des réseaux neuronaux convolutionnels en cascade multi-tâches (MTCNN) pour une détection précise des visages, VGGFace pour l'extraction de caractéristiques, et une machine à vecteurs de support (SVM) pour une classification efficace. Le système démontre des performances exceptionnelles en temps réel pour le suivi de plusieurs visages dans un seul cadre, excellant particulièrement dans le suivi des présences. Notamment, le modèle "VGGFace" émerge comme un interprète remarquable, présentant une précision remarquable et atteignant un impressionnant F-score de 95 % lorsqu'il est associé à SVM. Cela souligne l'efficacité du modèle dans la reconnaissance des identités faciales, attribuant son succès à un entraînement robuste sur des ensembles de données étendus. La recherche souligne la puissance du modèle VGGFace, notamment en collaboration avec divers classificateurs, SVM obtenant des taux de précision particulièrement élevés.