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 | Vidal, Flávio de Barros | - |
Autor(es): dc.creator | Carneiro, Leandro Dias | - |
Data de aceite: dc.date.accessioned | 2024-10-23T16:41:05Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T16:41:05Z | - |
Data de envio: dc.date.issued | 2024-08-13 | - |
Data de envio: dc.date.issued | 2024-08-13 | - |
Data de envio: dc.date.issued | 2024-08-13 | - |
Data de envio: dc.date.issued | 2023-12-20 | - |
Fonte completa do material: dc.identifier | http://repositorio2.unb.br/jspui/handle/10482/49808 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/914629 | - |
Descrição: dc.description | Dissertação (Mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023. | - |
Descrição: dc.description | Durante a Persecução Penal, os sistemas de Reconhecimento Facial têm sido cada vez mais utilizados, pois além da acurácia dos sistemas terem aumentado nos últimos anos, observase cada vez mais a presença de câmeras nas vias públicas, residências e estabelecimentos comerciais. Atualmente, a maioria dos sistemas comerciais apresenta como resultado uma métrica que representa a similaridade entre duas faces, ou simplesmente uma descrição qualitativa, deixando de lado outras análises a respeito da qualidade e da real utilidade do material utilizado para a comparação. Este trabalho tem como objetivo estimar o impacto que as degradações da imagem causam nos sistemas de reconhecimento facial baseados em aprendizado profundo, a fim de minimizar equívocos cometidos na análise do resultado. Para atingir este objetivo, serão realizadas duas etapas sequencias, sendo a primeira, a criação de uma base de dados e, a segunda, um modelo capaz de identificar a degradação (e a intensidade) presente na imagem. A base de dados será criada a partir de 3 (três) algoritmos de detecção facial, 8 (oito) algoritmos de reconhecimento facial, 14 (quatorze) tipos de degradações com 6 (seis) níveis de intensidade em cada, e 4 (quatro) bases de dados de faces, sendo calculados os escores para as métricas acurácia, precision e recall. Após a criação da base de dados, será desenvolvido um modelo de aprendizado profundo, capaz de identificar a degradação presente na imagem. Com esta identificação, será possível consultar os resultados da base de dados e estimar a queda de desempenho para as imagens novas. Para as bases de dados de faces analisadas, os modelos de reconhecimento facial tiveram um impacto mínimo de 17%, em média, e um impacto máximo de 43%, em média. Ainda, os modelos treinados na tarefa de detecção de degradação tiveram uma acurácia variando entre 71% e 94%, aproximadamente. Tanto os algoritmos quanto as bases de dados de faces são públicos. O objetivo final do projeto se dá pela identificação dos limites de qualidade necessários para um resultado considerado robusto por parte dos sistemas de reconhecimento facial. Ainda, a criação de um modelo capaz de estimar, com razoável acurácia, o tipo de degradação presente em uma imagem. | - |
Descrição: dc.description | Facial comparison systems have been increasingly used during Criminal Prosecution. Besides the accuracy of the methods has increased considerably in recent years, cameras on public roads and homes also contributed to this advance. Currently, most commercial systems present a metric representing the similarity between two faces or even a qualitative description, leaving aside other analyses regarding the quality and the utility of the material used for comparison. This work aims to estimate the impact that image degradation causes in facial recognition systems based on deep learning. In this way, a database will be created, and then a model capable of identifying the degradation (and intensity) present in the image will be made. The base data will be assembled from 3 (three) facial detection algorithms, 8 (eight) facial recognition algorithms, 14 (fourteen) types of degradation with 6 (six) levels of intensity each, and 4 (four) databases, calculating the scores for the metrics accuracy, precision and recall. In addition to the database created, a deep learning model will be developed, capable of identifying the manipulation present in the image. With this identification, it will be possible to consult the database results and estimate the drop in performance for new images. For the analyzed face databases, facial recognition models had a minimum impact of 17% on average and a maximum impact of 43% on average. Furthermore, the models trained in the degradation detection task had an accuracy ranging between 71% and 94%, approximately. Both algorithms and databases are public. The project’s final objective is to identify the quality limits necessary for a result considered robust by facial recognition systems. Furthermore, it creates a model capable of estimating, with reasonable accuracy, the type of degradation present in an image. | - |
Descrição: dc.description | Instituto de Ciências Exatas (IE) | - |
Descrição: dc.description | Departamento de Ciência da Computação (IE CIC) | - |
Descrição: dc.description | Programa de Pós-Graduação em Informática | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Reconhecimento de face | - |
Palavras-chave: dc.subject | Imagens - degradação | - |
Palavras-chave: dc.subject | Imagens - qualidade | - |
Palavras-chave: dc.subject | Aprendizado profundo | - |
Título: dc.title | Avaliando a influência de degradações em imagens nos modelos de aprendizado profundo utilizados em reconhecimento facial | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: