Застосунок для перенесення обличчя на відео на основі нейронних мереж

Abstract

У першому розділі описується предметна область. Також проводиться аналіз існуючих аналогів та методів, що вирішують поставлені завдання. У другому розділі були розглянуті етапи перенесення обличь, методи та алгоритми детектування, вилучення інформації про ідентичність. Було розглянуто архітектуру нейронної мережі для перенесення обличь. Розглянуті основні модифікації зображення, необхідні для перенесення обличь. Також визначені функціональні та нефункціональні вимоги для системи, представлені діаграми варіантів використання та компонентів. Міститься опис проектування всіх складових системи. В результаті проектування архітектури вся система була розбита на кілька частин, які будуть представляти окремі Docker-контейнери. У третьому розділі були розглянуті програмні засоби для реалізації, розглянутий процес формування набору даних для навчання, наведено опис процесу навчання нейронної мережі, а також опис реалізації програми та інтерфейсу користувача. розроблено клас, що дозволяє оцінювати якість перенесення осіб та дві функції для підготовки набору даних. Всі компоненти розроблюваної програми були упаковані в Docker -контейнери. Описано процес тестування моделі нейронної мережі за допомогою метрик оцінки якості перенесення осіб. Було проведено функціональне тестування застосунку та тестування інтерфейсу користувача на адаптивність та на коректне відображення в різних браузерах.

The first chapter describes the subject area. An analysis of existing analogues and methods that solve the tasks is also carried out. The second chapter considered the stages of face transfer, detection methods and algorithms, and identity information extraction. The architecture of a neural network for face transfer was considered. The main image modifications necessary for face transfer were considered. Functional and non-functional requirements for the system were also determined, diagrams of use cases and components were presented. The design of all system components is described. As a result of the design of the architecture, the entire system was divided into several parts, which will be represented by separate Docker containers. The third chapter considered software tools for implementation, considered the process of forming a data set for training, provided a description of the neural network training process, as well as a description of the implementation of the program and the user interface. A class was developed that allows assessing the quality of face transfer and two functions for preparing a data set. All components of the developed program were packaged in Docker containers. The process of testing the neural network model using person transfer quality assessment metrics is described. Functional testing of the application and testing of the user interface for adaptability and correct display in different browsers were conducted