Корректное тестирование качества работы сверточных сетей искусственных нейронов, учитывающее реальные условия их эксплуатации
- Авторы: Волчихин В.И.1, Иванов А.И.2, Селиванов П.Е.3, Малыгина Е.А.4
-
Учреждения:
- Пензенский государственный университет
- Пензенский научно-исследовательский электротехнический институт
- Московский технический университет связи и информатики
- МИРЭА – Российский технологический университет
- Выпуск: № 1 (2025)
- Страницы: 29-39
- Раздел: ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
- URL: https://journal-vniispk.ru/2072-3059/article/view/291578
- DOI: https://doi.org/10.21685/2072-3059-2025-1-3
- ID: 291578
Цитировать
Полный текст
Аннотация
Актуальность и цели. В настоящее время активно используются многослойные сверточные сети искусственных нейронов глубокого обучения для распознавания лиц людей. Их тестирование выполняется по стандарту ISO/IEC 19795-1– 2007 испытательными лабораториями недружественных стран, со стороны которых возможно искажение результатов тестирования. Материалы и методы. Базовый международный стандарт оговаривает объем тестовой базы реальных лиц людей. Возможно существенное сокращение размеров тестовой базы через морфинг-синтез новых биометрических образов скрещиванием образов родителей по отечественному стандарту ГОСТ Р 2633.2–2010. При этом некорректное скрещивание образов- родителей может привести к искажению результатов тестирования. Положение усложняется тем, что средство нейросетевого распознавания лиц будет работать с реальными данными лиц людей разного качества. Результаты. Предложено устранять угрозу возможного искажения результатов тестирования за счет предоставления испытательной лаборатории заказчиком ряда статистических моментов, описывающих реальные рабочие базы лиц людей. Показано, что кроме математического ожидания и стандартного отклонения, необходимо использовать третий и четвертый статистический моменты. При вычислении статистических моментов предложено обучать тестируемую нейросеть распознаванию конкретных биометрических образов лиц людей, давших свое согласие на использование их персональных данных.
Об авторах
Владимир Иванович Волчихин
Пензенский государственный университет
Автор, ответственный за переписку.
Email: cnit@pnzgu.ru
доктор технических наук, профессор, президент Пензенского государственного университета
(Россия, г. Пенза, ул. Красная, 40)Александр Иванович Иванов
Пензенский научно-исследовательский электротехнический институт
Email: ivan@pniei.penza.ru
доктор технических наук, профессор, научный консультант
(Россия, г. Пенза, ул. Советская, 9)Петр Евгеньевич Селиванов
Московский технический университет связи и информатики
Email: p.e.selivanov@mtuci.ru
проректор по перспективным проектам и инновациям
(Россия, г. Москва, ул. Авиамоторная, 8а)Елена Александровна Малыгина
МИРЭА – Российский технологический университет
Email: malygina@mirea.ru
доктор технических наук, доцент кафедры информационных технологий в государственном управлении
(Россия, г. Москва, пр-кт Вернадского, 78)Список литературы
- Язов Ю. К., Волчихин В. И., Иванов А. И., Фунтиков В. А., Назаров И. Г. Нейросетевая защита персональных биометрических данных. М. : Радиотехника, 2012. 157 с.
- Николенко С., Кудрин А., Архангельская Е. Глубокое обучение. Погружение в мир нейронных сетей. СПб. : Изд.-дом «Питер», 2018.
- Аггарвал Чару. Нейронные сети и глубокое обучение. СПб. : Диалектика, 2020. 756 с.
- Кобзарь А. И. Прикладная математическая статистика. Для инженеров и научных работников. М. : ФИЗМАТЛИТ, 2006. 816 с.
- Иванов А. И., Лекарь Л. А. О необходимости отечественного стандарта на тестирование качества нейросетевого распознавания лиц людей // Системы безопасности. 2023. № 5. С. 18‒23.
Дополнительные файлы
