Просте рішення для розпізнавання облич на CPU: як Senior Python Engineer знайшов альтернативу громіздким моделям ШІ
Старший Python-інженер Владислав Баштанник створив інструмент для детекції облич, який доводить, що найпотужніша модель штучного інтелекту — не завжди найкращий вибір. Шукаючи простий спосіб ідентифікувати обличчя на фотографіях, розробник знайшов елегантне рішення, яке не потребує потужних графічних процесорів, платних сервісів чи складної інфраструктури.
Все почалося з пошуку інструменту для вирішення, на перший погляд, нескладної задачі.
«Нещодавно я шукав інструмент для, здавалося б, простого завдання: визначити, чи є на зображенні людське обличчя, — розповів Владислав у LinkedIn. — Можна було б просто взяти першу-ліпшу популярну модель і закрити питання. Але мені хотілося знайти рішення, яке не вимагатиме GPU, окремого ML-сервісу чи платного API».
Крім того, для команди було важливо чітко розмежувати функціональність.
«Нам потрібен був саме face detection, а не face recognition, — підкреслив старший Python-інженер. — Тобто модель лише визначає, чи є на зображенні обличчя і де воно розташоване. Вона не намагається ідентифікувати особу і не зберігає жодних біометричних даних».
Щоб обрати оптимальний варіант, Владислав протестував декілька популярних підходів: стандартні детектори з бібліотеки OpenCV, MTCNN, YOLO та YuNet. Для об’єктивної оцінки він підготував спеціальний тестовий набір даних.
«Я підготував скрипт, який проводив аналіз ефективності моделей. Перед цим я також створив скрипт, який завантажив 10 тисяч зображень для аналізу: 5 тисяч з обличчями та 5 тисяч — без», — зазначив розробник.
За результатами тестування найкращі показники продемонструвала модель YuNet — компактне рішення, яке легко запускається через OpenCV безпосередньо на центральному процесорі (CPU).
На вибірці з 10 000 зображень та порозі спрацьовування (threshold) 0.5 вдалося отримати такі метрики:
- Accuracy (точність) — 97,54%;
- Precision (прецизійність) — 99,19%;
- Recall (повнота) — 95,64%;
- F1-score — 97,40%;
- FP (False Positives, хибнопозитивні спрацьовування) — 0,73%;
- FN (False Negatives, хибнонегативні спрацьовування) — 4,33%.
Завдяки цьому експерименту розробник отримав рішення, яке повністю вирішує поставлене бізнес-завдання без зайвих ускладнень архітектури.
«У результаті ми отримали просте рішення без потреби в GPU, платних сервісах та зайвій інфраструктурі, — підсумовує Владислав Баштанник. — Це саме той випадок, коли найпотужніша модель не обов’язково є найкращою. Іноді значно важливіше, щоб інструмент ефективно вирішував конкретне завдання і не ускладнював систему».
«Сьогодні тестове завдання може коштувати вам дуже дорого». Розробник закликав не запускати незнайомі репозиторії без аналізу після виявлення підозрілого коду
Читайте головні IT-новини країни в нашому Telegram
Порада від АіФ UA:
Ця стаття демонструє, як правильний вибір інструменту може значно спростити розробку та зменшити витрати. Якщо ви працюєте над завданням, яке потребує розпізнавання облич, але не маєте доступу до потужних обчислювальних ресурсів, зверніть увагу на подібні оптимізовані рішення, як-от модель YuNet, що інтегрується з OpenCV. Це може стати чудовою альтернативою складним і дорогим ШІ-моделям, дозволяючи досягти відмінних результатів з мінімальними зусиллями.