Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Paula Filho, Pedro Luiz de | - |
Autor(es): dc.contributor | Candido Junior, Arnaldo | - |
Autor(es): dc.contributor | Paula FIlho, Pedro Luiz de | - |
Autor(es): dc.contributor | Aikes Junior, Jorge | - |
Autor(es): dc.contributor | Menezes, Paulo Lopes de | - |
Autor(es): dc.creator | Salles, Leandro Amorim | - |
Data de aceite: dc.date.accessioned | 2022-02-21T21:47:36Z | - |
Data de disponibilização: dc.date.available | 2022-02-21T21:47:36Z | - |
Data de envio: dc.date.issued | 2020-11-15 | - |
Data de envio: dc.date.issued | 2020-11-15 | - |
Data de envio: dc.date.issued | 2019-11-28 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/12487 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/660628 | - |
Descrição: dc.description | With the technological evolution of digital media, such as social networks and online communities, privacy and security on the Internet have become issues of debate regarding infrastructure and regulation by legislative bodies. The easy access provided to users, along with the exacerbated number of information shared by the network, sustains one of the problems faced by criminal authorities, the spread of illegal content involving child pornography. Over time, computational methods were used to assist federal experts in assessing the seized content. Computer vision is one of the main areas of development of these methods, using deep learning techniques in artificial neural networks to recognize characteristics associated with the classification of child pornographic content. These neural networks use mathematical processes capable of simulating the cognitive process of the human brain. Through the study of deep learning techniques, applied in digital images and using pre-trained neural structures to perform age estimation and skin segmentation in pre-selected image bases, this study obtained an accuracy percentage of 60.9%, 82.67% and 95.9% for the age estimation experiments, surpassing the state of the art. For the skin segmentation experiments, the neural model generated 83.65% and 65.03% accuracy, lower than the related works studied. In conclusion, both the neural model and the database defined for the age experiments were satisfactory, while the skin segmentation tests showed an inadequacy of the neural network determined with the database used. | - |
Descrição: dc.description | Com o decorrer da evolução tecnológica dos meios digitais de comunicação, como redes sociais e comunidades online, a privacidade e segurança na Internet se tornaram questões de debate em relação a infraestrutura e regulamentação por parte de órgãos legislativos. O fácil acesso fornecido aos usuários, juntamente com o exacerbado número de informações compartilhadas pela rede, sustenta um dos problemas enfrentados pelas autoridades criminais, a propagação de conteúdos ilícitos envolvendo pornografia infantil. Ao longo do tempo, métodos computacionais foram utilizados para auxiliar peritos federais a avaliar o conteúdo apreendido. A visão computacional ´e uma das principais áreas de desenvolvimento desses m´métodos, utilizando técnicas de aprendizado profundo em redes neurais artificiais para reconhecimento de características associadas `a classificação de conteúdo pornográfico infantil. Essas redes neurais, compostas por camadas de neurônios artificiais, utilizam processos matemáticos capazes de simular o processo cognitivo do cérebro humano. Através do estudo de técnicas de deep learning, aplicadas em imagens digitais e utilizando estruturas neurais pré-treinadas para realizar estimação de idade e segmentação de pele em bases de imagens pré-selecionadas, este trabalho obteve percentual de acurácia de 60,9%, 82,67% e 95,9% para os experimentos de estimação etária, superando o estado da arte. Já para os experimentos de segmentação de pele, o modelo neural gerou 83,65% e 65,03% de acurácia, inferior aos trabalhos correlatos estudados. Como conclusão, tanto modelo neural quanto base de dados definida para as experimentações etárias se mostraram satisfatórias, enquanto os testes de segmentação de pele evidenciaram uma inadequação da rede neural determinada com a base de dados utilizada. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Medianeira | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Ciência da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Crime sexual contra as crianças | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Child sexual abuse | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Estimação de idade e reconhecimento de pele em Imagens digitais a partir de deep learning | - |
Título: dc.title | Age estimation and skin recognition in digital images from deep learning. | - |
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: