Export Ready — 

Comitê de máquinas baseado em redes neurais convolucionais para reconhecimento facial em ambiente não controlado

Bibliographic Details
Main Author: Kumano, Matheus Yukio
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