Estudo quantitativo da influência de degradações em modelos de aprendizado profundo utilizados no Reconhecimento Facial
reconhecimento facial, degradação da imagem da face, qualidade da imagem da face.
Durante a Persecução Penal, os sistemas de comparação facial têm sido cada vez mais utilizados, pois além da acurácia dos sistemas terem aumentado de forma considerável nos últimos anos, observa-se cada vez mais a presença de câmeras nas vias públicas, residências e estabelecimentos comerciais. Atualmente, a maioria dos sistemas comerciais apresenta como resultado uma distância facial, ou até mesmo 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, será criada uma base estatística e, em seguida, um modelo capaz de identificar a degradação (e a intensidade) presente na imagem. A base estatística será criada a partir de 3 algoritmos de detecção facial, 8 algoritmos de reconhecimento facial, 14 tipos de degradações com 6 níveis de intensidade em cada, e 6 bases de dados, sendo calculado os escores para as métricas acurácia, precision e recall. Tanto os algoritmos quanto as bases de dados são públicos. A entrega final do projeto se dá pela estimativa da eventual perda de desempenho devido à degradação presente no material utilizado, fazendo uso do nosso modelo criado e da base estatística coletada.