Reconocimiento facial en 2025: ¿Redes siamesas o clasificación binaria?

El reconocimiento facial desempeña un papel vital en aplicaciones que van desde los sistemas de seguridad hasta las redes sociales. Mientras que la pérdida de tripletes es un método ampliamente utilizado para entrenar redes neuronales convolucionales (CNN) con este fin, una estrategia alternativa enmarca la tarea como un problema de clasificación binaria. Este enfoque aprovecha las redes siamesas, proporcionando una forma distinta de aprender los parámetros necesarios para una verificación facial eficaz. A continuación, exploramos cómo se consigue empleando un par de redes neuronales para generar incrustaciones.

Puntos clave

Las redes siamesas son eficaces para la verificación facial.

El reconocimiento facial puede modelarse como una tarea de clasificación binaria.

El aprendizaje de funciones de similitud incorpora la regresión logística.

El cálculo previo de las incrustaciones mejora la eficacia del despliegue.

Los procesos incluyen la recopilación de datos, el entrenamiento del modelo, la evaluación y el despliegue.

Tanto la verificación como el reconocimiento facial pueden entrenarse utilizando la clasificación binaria como alternativa a la pérdida de tripletes.

Entendiendo el reconocimiento y la verificación facial

Reconocimiento facial como clasificación binaria

El reconocimiento facial no se limita a identificar a un individuo, sino que verifica la identidad declarada de una persona. Esto se conoce como verificación facial. Un enfoque práctico trata la verificación como un problema de clasificación binaria. En lugar de distinguir entre muchas caras, el sistema responde a una pregunta directa: "¿Pertenecen estas dos caras a la misma persona?". Este encuadre binario simplifica el problema y mejora la eficiencia computacional. La técnica se basa en una red siamesa, compuesta por dos redes neuronales idénticas con pesos y arquitectura compartidos. Cada red procesa una imagen de entrada y sus resultados se comparan para obtener una puntuación de similitud. Si la puntuación supera un umbral definido, se considera que los rostros coinciden; en caso contrario, se clasifican como diferentes. La red está entrenada para dar como resultado 1 para las identidades coincidentes y 0 para las no coincidentes. Esto contrasta con sistemas más complejos que deben diferenciar entre una amplia gama de individuos conocidos.

Arquitectura de la red siamesa

El método se basa en la arquitectura de red siamesa.

Esta arquitectura empareja dos redes neuronales idénticas, cada una de las cuales procesa una de las dos imágenes de entrada. Estas redes calculan incrustaciones, que son vectores de alta dimensión que codifican rasgos faciales únicos. Al comparar estas incrustaciones, el sistema evalúa la similitud facial. El proceso de incrustación suele incluir capas convolucionales, de agrupación y totalmente conectadas, cada una de las cuales extrae de la imagen rasgos cada vez más complejos. El resultado final es un vector -a menudo de 128 dimensiones- que recoge las características faciales esenciales. También pueden utilizarse dimensiones mayores para detectar detalles más precisos. Lo más importante es que las dos redes de la configuración siamesa comparten parámetros idénticos, lo que garantiza que las incrustaciones se generan mediante el mismo proceso de extracción de características y son directamente comparables.

Aprendizaje de funciones de similitud con regresión logística

Uso de la regresión logística

Para determinar si dos caras representan a la misma persona, deben compararse las incrustaciones de la red siamesa. Una unidad de regresión logística aplica una función sigmoidea a estas incrustaciones, produciendo una puntuación de probabilidad que refleja la probabilidad de una coincidencia. La entrada de esta unidad no son las incrustaciones en bruto, sino las características derivadas de ellas. Un método habitual consiste en calcular la diferencia absoluta por elementos entre las dos incrustaciones, haciendo hincapié en las características con las mayores disparidades. Otra técnica utilizada es la similitud chi-cuadrado. El objetivo es formar características altamente discriminativas que permitan a la unidad de regresión logística hacer predicciones precisas. Las diferencias entre elementos alimentan el modelo de regresión logística, que aprende a asignar las ponderaciones adecuadas. Si las diferencias son mínimas, la unidad asigna una probabilidad alta, lo que indica que se trata de la misma persona; si las diferencias son significativas, asigna una probabilidad baja, lo que indica que se trata de individuos diferentes.

Entrenamiento de la red siamesa y la regresión logística

Proceso de entrenamiento paso a paso

1. Recopilación de datos de entrenamiento: Empiece recopilando un conjunto de datos de imágenes de caras, con etiquetas que indiquen si los pares de imágenes representan a la misma persona o a personas diferentes. Este conjunto de datos entrena la red siamesa y la unidad de regresión logística.
2. Configuración de la red siamesa: Configure dos CNN idénticas con la misma arquitectura y pesos compartidos. Estas redes aprenderán a generar incrustaciones a partir de las imágenes faciales de entrada.
3. Cálculo de las diferencias de características: Determine las diferencias absolutas entre los elementos de las incrustaciones generadas por las dos CNN para cada par de imágenes. Estas diferencias se convierten en las características de entrada para la unidad de regresión logística.
4. Integración de laregresión logística: Emplear un modelo de regresión logística para convertir las diferencias de características en una puntuación de probabilidad, indicando si las caras coinciden.
5. Ajuste fino: Perfeccione la capa de regresión logística ajustando las ponderaciones asignadas a las características (como las de una incrustación de 128 dimensiones).
6. Entrenamiento por retropropagación: Entrene el sistema completo -CNN y unidad de regresión logística- mediante retropropagación. Esto minimiza una función de pérdida que penaliza los errores de predicción, mejorando gradualmente la precisión mediante la optimización de los pesos y sesgos de la red.
7. Ajuste de pesos: El modelo final de regresión logística puede incluir parámetros adicionales como el peso (W) y el sesgo (B).
8. Precomputación de incrustaciones: Para un despliegue más rápido, precalcule las incrustaciones para permitir comparaciones rápidas.

Ventajas y desventajas de las redes siamesas para el reconocimiento facial

Ventajas

Eficiencia computacional

Aborda directamente la verificación facial

Extracción eficaz de características

Contras

Requisitos de datos de entrenamiento

Posibilidad de sobreajuste

Generalización limitada

Preguntas más frecuentes

¿Qué son las redes siamesas y cómo funcionan en el reconocimiento facial?

Las redes siamesas son redes neuronales formadas por dos o más subredes idénticas. Cada subred recibe una entrada distinta pero comparte pesos con las demás. En el reconocimiento facial, estas redes procesan pares de imágenes de caras para producir incrustaciones, que luego se evalúan en función de la similitud.

¿Por qué a veces se plantea el reconocimiento facial como un problema de clasificación binaria?

Considerar el reconocimiento facial como un problema de clasificación binaria lo simplifica a la determinación de si dos caras coinciden, lo que aumenta la eficacia en comparación con la distinción entre muchos individuos. Este método utiliza redes siamesas para comparar pares de imágenes de caras.

¿Qué papel desempeña la regresión logística en el aprendizaje de funciones de similitud para el reconocimiento de caras?

La regresión logística asigna las diferencias entre las incrustaciones de las redes siamesas a una puntuación de probabilidad. Esta puntuación estima la probabilidad de que las dos caras sean la misma persona, apoyando una decisión binaria.

Preguntas relacionadas

¿Cómo se compara este enfoque de redes siamesas con métodos tradicionales como la pérdida de tripletes?

Los métodos tradicionales, como la pérdida de tripletes, pretenden aprender un espacio de incrustación en el que las caras de la misma persona están más cerca y las de personas diferentes están más lejos. Las redes siamesas, estructuradas para la clasificación binaria, se concentran en verificar si dos caras son idénticas, lo que ofrece ventajas computacionales. La mejor opción depende de la aplicación específica y de las características del conjunto de datos.

¿Existen otros métodos para evaluar la similitud de las incrustaciones?

Sí, las alternativas incluyen la similitud coseno, la distancia euclídea y la similitud chi-cuadrado. La fórmula de similitud chi-cuadrado ofrece otra forma de abordar el reconocimiento facial. Cada técnica tiene sus ventajas y se adapta a distintos tipos de datos y casos de uso. Por ejemplo, la similitud coseno funciona bien con datos de alta dimensión, mientras que la distancia euclídea es eficaz en dimensiones más bajas.

¿Qué hay que hacer para implantar un sistema entrenado?

El despliegue implica calcular previamente las incrustaciones para evitar el almacenamiento de imágenes sin procesar. El sistema, basado en una arquitectura de red siamesa, está diseñado para comparar eficazmente estas incrustaciones.