Comitê de máquinas baseado em redes neurais convolucionais para reconhecimento facial em ambiente não controlado
Main Author: | |
---|---|
Publication Date: | 2022 |
Format: | Master thesis |
Language: | por |
Source: | Biblioteca Digital de Teses e Dissertações da USP |
Download full: | https://www.teses.usp.br/teses/disponiveis/100/100131/tde-18072022-153602/ |
Summary: | A face é uma das modalidades biométricas mais utilizadas em muitas áreas como segurança, saúde, educação, marketing, finanças, entretenimento e interação humano-computador. Ela carrega informações sobre identidade, idade, gênero, raça e expressões faciais refletindo emoções e estados mentais. Por estes motivos, o reconhecimento facial tem atraído o interesse da comunidade científica, pois fornece um meio discreto e não intrusivo de detecção, identificação ou verificação facial, sem a necessidade do conhecimento ou consentimento do indivíduo. Um marco importante no desenvolvimento de técnicas de reconhecimento facial foi alcançado pela introdução de métodos de aprendizado profundo, com destaque para Redes Neurais Convolucionais. No entanto, há alguns desafios a serem superados envolvendo reconhecimento facial. O ambiente onde a imagem facial foi capturada é um destes, visto que pode apresentar falta de iluminação, não cooperação do usuário e oclusões parciais da face. Nesse contexto, o presente trabalho tem como objetivo explorar a utilização de comitê de máquinas estáticos e dinâmicos utilizando Redes Neurais Convolucionais com e sem a utilização de transferência de aprendizado. Foram utilizados dois conjunto de dados, LFW e celebA, para reconhecimento facial em ambiente não controlado. Os resultados obtidos mostram que a utilização de comitê, pode aumentar o desempenho no processo de reconhecimento facial em ambiente não controlado |
id |
USP_6f8510c7923652a9c29d81b78590e0da |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-18072022-153602 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Comitê de máquinas baseado em redes neurais convolucionais para reconhecimento facial em ambiente não controladoCommittee machines based on convolutional neural networks for face recognition in unconstrained environmentAmbiente Não ControladoAprendizado ProfundoComitê de MáquinasCommittee MachinesConvolutional Neural NetworksDeep LearningFace RecognitionReconhecimento FacialRedes Neurais ConvolucionaisUnconstrained EnvironmentA face é uma das modalidades biométricas mais utilizadas em muitas áreas como segurança, saúde, educação, marketing, finanças, entretenimento e interação humano-computador. Ela carrega informações sobre identidade, idade, gênero, raça e expressões faciais refletindo emoções e estados mentais. Por estes motivos, o reconhecimento facial tem atraído o interesse da comunidade científica, pois fornece um meio discreto e não intrusivo de detecção, identificação ou verificação facial, sem a necessidade do conhecimento ou consentimento do indivíduo. Um marco importante no desenvolvimento de técnicas de reconhecimento facial foi alcançado pela introdução de métodos de aprendizado profundo, com destaque para Redes Neurais Convolucionais. No entanto, há alguns desafios a serem superados envolvendo reconhecimento facial. O ambiente onde a imagem facial foi capturada é um destes, visto que pode apresentar falta de iluminação, não cooperação do usuário e oclusões parciais da face. Nesse contexto, o presente trabalho tem como objetivo explorar a utilização de comitê de máquinas estáticos e dinâmicos utilizando Redes Neurais Convolucionais com e sem a utilização de transferência de aprendizado. Foram utilizados dois conjunto de dados, LFW e celebA, para reconhecimento facial em ambiente não controlado. Os resultados obtidos mostram que a utilização de comitê, pode aumentar o desempenho no processo de reconhecimento facial em ambiente não controladoThe face is one of the most used biometric modalities in areas such as security, health, education, marketing, finance, entertainment and human-computer interaction. The human face carries information about identity, age, gender, race and facial expressions, and it also reflects emotions and mental states. For these reasons, facial recognition has attracted the interest of the scientific community, as it provides a discreet and non-intrusive way of detection, identification or facial verification without the need for the knowledge or consent of the individual. An important milestone in the development of facial recognition techniques was reached by the introduction of deep learning methods, with emphasis on Convolutional Neural Networks. However, there are some challenges to overcome involving facial recognition. The environment where the facial image was captured is one of them, as it may present lack of lighting, non-cooperation from the user and occlusions on the face. In this context, the present work aims to explore the use of static and dynamic machine committees using Convolutional Neural Networks with and without the use of transfer learning. Two datasets, LFW and celebA, were used for facial recognition in an uncontrolled environment. And the results obtained show that the use of committees improves the performance in the facial recognition process in an unconstrained environmentBiblioteca Digitais de Teses e Dissertações da USPLima, Clodoaldo Aparecido de MoraesKumano, Matheus Yukio2022-05-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/100/100131/tde-18072022-153602/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2025-02-20T16:43:01Zoai:teses.usp.br:tde-18072022-153602Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-02-20T16:43:01Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Comitê de máquinas baseado em redes neurais convolucionais para reconhecimento facial em ambiente não controlado Committee machines based on convolutional neural networks for face recognition in unconstrained environment |
title |
Comitê de máquinas baseado em redes neurais convolucionais para reconhecimento facial em ambiente não controlado |
spellingShingle |
Comitê de máquinas baseado em redes neurais convolucionais para reconhecimento facial em ambiente não controlado Kumano, Matheus Yukio Ambiente Não Controlado Aprendizado Profundo Comitê de Máquinas Committee Machines Convolutional Neural Networks Deep Learning Face Recognition Reconhecimento Facial Redes Neurais Convolucionais Unconstrained Environment |
title_short |
Comitê de máquinas baseado em redes neurais convolucionais para reconhecimento facial em ambiente não controlado |
title_full |
Comitê de máquinas baseado em redes neurais convolucionais para reconhecimento facial em ambiente não controlado |
title_fullStr |
Comitê de máquinas baseado em redes neurais convolucionais para reconhecimento facial em ambiente não controlado |
title_full_unstemmed |
Comitê de máquinas baseado em redes neurais convolucionais para reconhecimento facial em ambiente não controlado |
title_sort |
Comitê de máquinas baseado em redes neurais convolucionais para reconhecimento facial em ambiente não controlado |
author |
Kumano, Matheus Yukio |
author_facet |
Kumano, Matheus Yukio |
author_role |
author |
dc.contributor.none.fl_str_mv |
Lima, Clodoaldo Aparecido de Moraes |
dc.contributor.author.fl_str_mv |
Kumano, Matheus Yukio |
dc.subject.por.fl_str_mv |
Ambiente Não Controlado Aprendizado Profundo Comitê de Máquinas Committee Machines Convolutional Neural Networks Deep Learning Face Recognition Reconhecimento Facial Redes Neurais Convolucionais Unconstrained Environment |
topic |
Ambiente Não Controlado Aprendizado Profundo Comitê de Máquinas Committee Machines Convolutional Neural Networks Deep Learning Face Recognition Reconhecimento Facial Redes Neurais Convolucionais Unconstrained Environment |
description |
A face é uma das modalidades biométricas mais utilizadas em muitas áreas como segurança, saúde, educação, marketing, finanças, entretenimento e interação humano-computador. Ela carrega informações sobre identidade, idade, gênero, raça e expressões faciais refletindo emoções e estados mentais. Por estes motivos, o reconhecimento facial tem atraído o interesse da comunidade científica, pois fornece um meio discreto e não intrusivo de detecção, identificação ou verificação facial, sem a necessidade do conhecimento ou consentimento do indivíduo. Um marco importante no desenvolvimento de técnicas de reconhecimento facial foi alcançado pela introdução de métodos de aprendizado profundo, com destaque para Redes Neurais Convolucionais. No entanto, há alguns desafios a serem superados envolvendo reconhecimento facial. O ambiente onde a imagem facial foi capturada é um destes, visto que pode apresentar falta de iluminação, não cooperação do usuário e oclusões parciais da face. Nesse contexto, o presente trabalho tem como objetivo explorar a utilização de comitê de máquinas estáticos e dinâmicos utilizando Redes Neurais Convolucionais com e sem a utilização de transferência de aprendizado. Foram utilizados dois conjunto de dados, LFW e celebA, para reconhecimento facial em ambiente não controlado. Os resultados obtidos mostram que a utilização de comitê, pode aumentar o desempenho no processo de reconhecimento facial em ambiente não controlado |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-05-20 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.teses.usp.br/teses/disponiveis/100/100131/tde-18072022-153602/ |
url |
https://www.teses.usp.br/teses/disponiveis/100/100131/tde-18072022-153602/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1839839038817697792 |