Распознаванием лиц часто называют набор различных задач, например, поиск нужного человека среди множества изображений (идентификация) или проверка того, что на двух изображениях один и тот же человек (верификация). Особую роль в таких задачах играют биометрические вектора лиц, которые служат для представления различных особенностей лиц в виде специальных векторов. Размерность векторов может отличаться в зависимости от методов, которые используются для их вычисления, но обычно равна 128 или 512. Однако, хранение большого количества биометрических векторов с большими размерностями требует немалых финансовых ресурсов для обеспечения достаточного дискового пространства и, во многих случаях, является невыгодным.
В целях уменьшения затрат на хранение, можно использовать различные методы сжатия векторов признаков, которые позволяют уменьшить требуемый объём памяти в несколько раз. На сегодняшний день, известно множество методов сжатия векторов, среди которых стоит отметить такой метод, как Product Quantization, который основывается на идее разделения исходного вектора на несколько частей и кодирования каждой части несколькими битами. Для применения различных способов сжатия векторов можно воспользоваться инструментами библиотеки FAISS (Facebook AI Research Similarity Search).
Используя инструменты данного репозитория Вы сможете провести эксперименты сжатия биометрических векторов и найти оптимальные значения параметров индекса IVFPQ для вашей базы данных. Для этого, сперва, рекомендуется изучить пример, в котором был проведен эксперимент сжатия биометрических векторов лиц базы данных LFW.