MobileNet e meccanismi di attenzione migliorano l'identificazione nella sorveglianza

Un nuovo framework di deep learning progettato per il rilevamento automatico di sospetti nei sistemi di sorveglianza integra un'architettura MobileNet compatta insieme a tecniche di attenzione spaziale e per canali. Questo modello potenzia la rappresentazione delle caratteristiche enfatizzando le aree chiave e minimizzando gli elementi di disturbo dello sfondo, migliorando così l'accuratezza dell'identificazione. Impiega una pre-elaborazione efficiente, un potenziamento delle caratteristiche basato sull'attenzione e un approccio di classificazione robusto ottimizzato con l'Adam Optimizer. I test sono stati eseguiti su dataset consolidati per il riconoscimento facciale come Labelled Faces in the Wild (LFW), CASIA-WebFace e una parte di VGGFace2, simulando scenari realistici con variazioni di illuminazione, posa e occlusione.