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 | Aires, Simone Bello Kaminksi | - |
Autor(es): dc.contributor | Aires, Simone Bello Kaminksi | - |
Autor(es): dc.contributor | Borges, André Pinz | - |
Autor(es): dc.contributor | Andrade, Mauren Louise Sguario Coelho de | - |
Autor(es): dc.creator | Floriolli, Abramo | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:31:19Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:31:19Z | - |
Data de envio: dc.date.issued | 2025-07-02 | - |
Data de envio: dc.date.issued | 2025-07-02 | - |
Data de envio: dc.date.issued | 2025-02-03 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/37320 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1096913 | - |
Descrição: dc.description | This study investigates algorithmic bias in facial recognition models, focusing on the impact of ethnic equalization in datasets on the performance of convolutional neural networks (CNNs). The research compares two datasets: FairFace, which has a balanced ethnic distribution and seven classes, and UTKFace, which is imbalanced across its five racial classes. By training the CNN and comparing training speed and accuracy, as well as testing metrics—precision, recall, F1-score for each category, and the standard deviation of these metrics—the results demonstrate that diversity and balanced racial classes are crucial factors in mitigating algorithmic bias in CNN-based facial recognition systems. The findings highlight that the training speed and equalization of outcomes improve with more representative and racially balanced datasets. This work underscores that using datasets that prioritize representativeness and racial balance in machine learning model training is essential for developing fair and equitable facial recognition systems, ultimately preventing the perpetuation of inequality. | - |
Descrição: dc.description | Este estudo investiga o viés algorítmico em modelos de reconhecimento facial, focando no impacto da equalização étnica de bases de dados no desempenho de redes neurais convolucionais. A pesquisa compara duas bases de dados sendo elas a FairFace, que possui uma distribuição étnica equilibrada e sete classes e UTKFace, que apresenta desbalanceamento entre suas cinco classes raciais. A partir do treinamento da rede neural convolucional, comparando a velocidade de treinamento e acurácia; e teste, através da precisão, revocação, f1-score para cada categoria da base e o desvio padrão para as métricas, os resultados demonstram que a diversidade e o balanceamento das classes raciais são fatores cruciais para mitigar vieses algorítmicos em sistemas de reconhecimento facial realizados por RNCs. Refletindo diretamente na velocidade de treinamento e na equalização dos resultados esse trabalho reforça que o uso de bases de dados que priorizam representatividade e balanceamento racial no treinamento de modelos de aprendizado de máquina é fundamental para o desenvolvimento de sistemas de reconhecimento facial justos e equitativos, capazes de evitar a perpetuação de desigualdades. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Informática | - |
Publicador: dc.publisher | Ciência da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc/4.0/ | - |
Palavras-chave: dc.subject | Reconhecimento facial (Computação) | - |
Palavras-chave: dc.subject | Relações raciais | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Banco de dados | - |
Palavras-chave: dc.subject | Algorítmos computacionais | - |
Palavras-chave: dc.subject | Equalizadores (Eletrônica) | - |
Palavras-chave: dc.subject | Human face recognition (Computer science) | - |
Palavras-chave: dc.subject | Race relations | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Data bases | - |
Palavras-chave: dc.subject | Computer algorithms | - |
Palavras-chave: dc.subject | Equalizers (Electronics) | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Análise comparativa de bases de dados etnicamente equalizadas e não equalizadas para reconhecimento de faces usando redes neurais convolucionais | - |
Título: dc.title | Comparative analysis of ethnically equalized and non-equalized databases for face recognition using convolutional neural network | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: