Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Instituto Politécnico de Bragança | - |
Autor(es): dc.contributor | Universidade Tecnológica Federal do Paraná | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | de Oliveira, Rafael Augusto | - |
Autor(es): dc.creator | Scheeren, Michel Hanzen | - |
Autor(es): dc.creator | Rodrigues, Pedro João Soares | - |
Autor(es): dc.creator | Junior, Arnaldo Candido | - |
Autor(es): dc.creator | de Paula Filho, Pedro Luiz | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:12:33Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:12:33Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2021-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-031-23236-7_51 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/246822 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/246822 | - |
Descrição: dc.description | Face Recognition is a challenging task present in different applications and systems. An existing challenge is to recognize faces when imaging conditions are adverse, for example when images come from low-quality cameras or when the subject and the camera are far apart, thus impacting the accuracy of these recognizing systems. Super-Resolution techniques can be used to improve both image resolution and quality, hopefully improving the accuracy of the face recognition task. Among these techniques, the actual state-of-the-art uses Generative Adversarial Networks. One promising option is to train Super-Resolution and Face Recognition as one single network, conducting the network to learn super resolution features that will improve its capability when recognizing faces. In the present work, we trained a super resolution face recognition model using a jointly-learn approach, combining a generative network for super resolution and a ResNet50 for Face Recognition. The model was trained with a discriminator network, following the generative adversarial training. The images generated by the network were convincing, but we could not converge the face recognition model. We hope that our contributions could help future works on this topic. Code is publicly available at https://github.com/OliRafa/SRFR-GAN. | - |
Descrição: dc.description | Instituto Politécnico de Bragança | - |
Descrição: dc.description | Universidade Tecnológica Federal do Paraná | - |
Descrição: dc.description | Universidade Estadual Paulista | - |
Descrição: dc.description | Universidade Estadual Paulista | - |
Formato: dc.format | 747-762 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Communications in Computer and Information Science | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Face Recognition | - |
Palavras-chave: dc.subject | Generative Adversarial Networks | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Super-resolution | - |
Título: dc.title | Super-Resolution Face Recognition: An Approach Using Generative Adversarial Networks and Joint-Learn | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: