Disentangled face embeddings

Abstract

Im Bereich der Gesichtserkennung werden in modernen Modellen zur Gesichtserkennung so genannte Embeddings verwendet. Diese Embeddings sind eine Abbildung eines Bildes eines Gesichts in einen Vektor. Diese Vektoren können durch eine Abstandsmessung leicht miteinander verglichen werden. Anstatt das gesamte Gesicht einzubetten, werden in dieser Arbeit die Möglichkeit untersucht, einzelne Gesichtsmerkmale separat einzubetten und mit ihnen neuronale Netze zu trainieren. Jedes ausgewählte Gesichtsmerkmal wird auf einem separaten neuronalen Netz trainiert und erhält somit ein seperates Embedding. Die Ergebnisse der Genauigkeit der Gesichtserkennung können verglichen werden und analysiert werden. Um Ähnlichkeiten in unterschiedlichen Gesichtern zu finden, wird eine Nutzerstudie durchgeführt, die die Leistungsfähigkeit des vorgeschlagenen Modells testet. Die Ergebnisse dieser Bachelorarbeit kann als Grundlage für zukünftige Arbeiten dienen und zeigt, was verbessert werden kann. In the field of facial recognition, so called embeddings are used in state of the art face recognition models. These embeddings are a mapping of a picture of a face into a vector. These vectors can be easily compare to each other through a distance measurement. Instead of embedding the complete face this thesis explores the possibilities of embedding individual facial features separately and training neural networks with them. Each selected facial feature gets trained on a separate neural network and gets their own embedding. The results in facial recognition accuracy can be compared each other and analysed. For finding facial similarities a user study is conducted that tests the capability of the proposed model. The results of this thesis can be used as a basis for future work and shows what can be improved