Хотя с момента закрытия ICO прошло не так много времени, команде Faceter удалось не только завершить распределение токенов и подготовиться к листингу, но также добилась значительного прогресса в разработке ядра.

В настоящее время мы сосредоточены на исследовании и тестировании основ в области машинного обучения, поскольку оно играет жизненно важную роль во всем проекте. Нейронные сети позволяют как распознавать объекты, так и извлекать дополнительную информацию, такую ​​как пол, возраст, раса и т. Д. Следовательно, эффективность всей сети зависит от качества алгоритма распознавания. Недавно мы переписали алгоритмы распознавания лиц на базе SSD (single shot Detector), что позволило увеличить скорость обнаружения до 180 FPS. Основная перепись привела к снижению минимальных системных требований для обработки данных, а это означает, что больше людей могут участвовать в отправке оборудования и майнинге FACE.

Результаты тестирования последних улучшений машинного обучения можно увидеть на изображениях ниже. Согласно тестам, с самого начала разработки качество распознавания улучшилось почти на 10–15%. Это снизит вероятность ложного срабатывания системы до минимального уровня, когда-либо достигнутого во время разработки.

Также мы работаем над расширением набора обучающих данных и переобучением основной сети распознавания. Вот пример процесса обучения одной из протестированных нами архитектур:

Красные точки на изображении - это так называемые положительные пары или пары лиц, принадлежащих одному и тому же человеку. В этом случае расстояние между точками должно быть как можно меньше. Синие точки - это отрицательные пары или пары лиц, принадлежащих разным людям. Расстояние между ними должно быть как можно большим. Стоит отметить, что расстояние между скоплением красных и синих точек должно быть большим и максимально чистым. Это означает, что сеть идентифицирует одни и те же (красные точки) и разные лица (синее).

Кроме того, алгоритм кластеризации лиц был переписан для повышения качества распознавания. Этот алгоритм основан на HDBSCAN. Вот как работает HDBSCAN:

Действительно, наша техническая команда провела глубокий рефакторинг архитектуры для использования модулей в децентрализованной системе.

Также в ближайшее время мы будем участвовать в соревнованиях NIST по распознаванию лиц.

Мы надеемся, что вы и дальше будете следить за развитием проекта Faceter, потому что впереди много важных и интересных объявлений.

С уважением,
команда Faceter