Evaluación de la viabilidad para obtener los rostros más similares usando técnicas de clustering clásico y una red neuronal siamesa

Abstract

En este proyecto se ha estudiado la viabilidad de la creación de un modelo usando clustering clásico y una red neuronal siamesa para aproximar la función de distancia entre dos caras. El objetivo principal es introducir una imagen con un rostro, y que el modelo devuelva un conjunto de imágenes de los rostros más similares a la introducida. Estas imágenes de salida, pertenecen a un conjunto almacenado en una base de datos. Se ha desarrollado este estudio a través de distintos módulos, con tal de ir analizando, evaluando y ampliando progresivamente el conjunto de datos con los que se trabaja. Finalmente, se han realizado una serie de pruebas con tal de analizar los posibles fallos o mejoras en la red siamesa, y cómo estos afectan al modelo global creado.

En aquest projecte s'ha estudiat la viabilitat de la creació d'un model utilitzant clustering clàssic i una xarxa neuronal siamesa per aproximar la funció de distància entre dues cares. L'objectiu principal és introduir una imatge amb un rostre d'una persona i que el model sigui capaç de retornar un conjunt d'imatges dels rostres més similars a l'introduïda. Aquestes imatges de sortida formen part d'un conjunt emmagatzemat en una base de dades. S'ha desenrotllat aquest estudi a través de diferents mòduls, per tal d'anar analitzant, avaluant i ampliant progressivament el conjunt de dades amb els que es treballa. Finalment, s'han realitzat una sèrie de proves per analitzar els possibles errors o millores en la xarxa siamesa, i com aquests poden afectar el model global creat.

In this project, we have explored the feasibility of creating a model using classical clustering and a siamese neural network to approximate the distance function between two faces. The main objective is to input an image with a face and have the model return a set of images containing faces most similar to the input. These output images belong to a stored dataset stored in a database. The study has been conducted through multiple modules, allowing for the gradual analysis, evaluation, and expansion of the working dataset. Finally, a series of tests were performed to analyze potential flaws or improvements in the Siamese network and understand how these impact the overall model.