Yüz Tanıma işleminde Face Embedding Kavramı

Yüz tanıma, bilgisayarla görmede son zamanlarda popülerlik kazanan özelliklerden biridir. Fotoğraf ve videodaki bir kişiyi tanımlayabilmek için, face embedding anlayışını kaçıramayız. Bu yazıda, face embedding hakkında bilmeniz gereken tüm temel şeyleri ele alacağım.

Face Embedding Nedir ? 

Face embedding, bir makinenin özellik çıkarma işleminden elde ettiği bir yüzü bir vektör dizisine kaydetme şeklidir. Normalde bu tür vektör dizilerinin uzunlukları 128, 512 vb. olur. Şimdiye kadarki en popüler durum 128’dir. Bu vektör dizisi, mesafe, benzerlik veya yüz arama yoluyla başka bir yüzle karşılaştırmak için kullanılır. 
FaceNet gibi derin sinir ağları, kişinin yüzünün bir görüntüsünü girdi olarak alır ve bir yüzün en önemli özelliklerini temsil eden 128 sayıdan oluşan bir vektör çıkarır. Makine öğreniminde bu vektöre gömme/Embedding adı verilir. Neden gömme/Embedding? Çünkü bir görüntüdeki tüm önemli bilgiler bu vektörün içine gömülür. Temel olarak, FaceNet bir kişinin yüzünü alır ve 128 sayıdan oluşan bir vektöre sıkıştırır.

Uzaklık ve Benzerlik :

Yüz mesafesi, iki yüz arasındaki farkı karşılaştırmak için kullanabileceğimiz bir matristir. Bu mesafeden, her iki yüzün eşleşip eşleşmediğine karar verebiliriz.

–Öklid Mesafesi :

Öklid mesafesi, 2 vektör arasındaki mesafeyi hesaplamak için yüz eşleştirmede en popüler mesafe metrik ölçümüdür.

numpy ile a vektörü ve b vektörü arasındaki öklid uzaklığını hesaplamak için: 

distance = np.linalg.norm(a – b)

–Kosinüs Benzerliği : 

Kosinüs benzerliği, 2 vektör arasındaki açıyı ölçen bir benzerlik metriğidir

Vektör a ve vektör b arasındaki kosinüs benzerliğini numpy ile hesaplamak için:

similarity = np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

Kullanım Senaryosu :

Biyometrik Kimlik Doğrulama: Face Embedding, yüz eşleştirme veya yüz kimlik doğrulama için kullanıyor.

Video veya fotoğraftaki bir kişiyi tanımlama: Yüz vektörlerinin depolanması, bilgisayarla görmede insanları eşleştirmek için yüz aramalarında kullanılır.

Sonuç:

Face embedding, yüz tanımada kilit nokta işlemdir. Yukarıda bahsettiğimiz her iki mesafeyi(distance) de 2 yüzün eşleşme olasılığını hesaplamak için eşik değer uygulaması olarak kullanabiliriz.