Banca de DEFESA: Leandro Dias Carneiro

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : Leandro Dias Carneiro
DATA : 21/12/2023
HORA: 14:30
LOCAL: Ambiente Ms Teams (Virtual/Remoto)
TÍTULO:

Avaliando a influência de degradações em modelos de aprendizado profundo utilizados no reconhecimento facial

PALAVRAS-CHAVES:

reconhecimento facial, degradação da imagem da face, qualidade da imagem da face, modelos profundos.

PÁGINAS: 166
RESUMO:

Durante a Persecução Penal, os sistemas de Reconhecimento 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 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 algoritmos de detecção facial, 8 algoritmos de reconhecimento facial, 14 tipos de degradações com 6 níveis de intensidade em cada, e 4 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.

MEMBROS DA BANCA:
Presidente - 2366026 - FLAVIO DE BARROS VIDAL
Interno - 1702065 - BRUNO LUIGGI MACCHIAVELLO ESPINOZA
Interno - 1702562 - CAMILO CHANG DOREA
Externo à Instituição - HELIO PEDRINI - UNICAMP