Redes neurais profundas para reconhecimento facial no contexto de segurança pública
dc.contributor.advisor-co1 | Laureano, Gustavo Teodoro | |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/4418446095942420 | pt_BR |
dc.contributor.advisor1 | Soares, Anderson da Silva | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1096941114079527 | pt_BR |
dc.contributor.referee1 | Soares, Anderson da Silva | |
dc.contributor.referee2 | Calixto, Wesley Pacheco | |
dc.contributor.referee3 | Costa, Ronaldo Martins da | |
dc.creator | Silva Júnior, Jones José da | |
dc.creator.Lattes | http://lattes.cnpq.br/0417056242123461 | pt_BR |
dc.date.accessioned | 2020-09-08T10:53:07Z | |
dc.date.available | 2020-09-08T10:53:07Z | |
dc.date.issued | 2020-07-29 | |
dc.description.abstract | Face recognition is an important tool for law enforcement. Bein able to compare a face image of a suspect filmed at a crime scene with a database of millions of photos and thus find his true identity represents a significant increase in crime resolution rates. Although this task has been researched since the 1970s, it was with the use of Convolutional Neural Networks (RNCs) from 2014 that a relevant advance was achieved that allowed some to reach 99.63% accuracy in the benchmark Labeled Faces in the Wild (LFW). Despite different architectures and cost functions, a common feature of the papers published since then is the fact that they are trained in a supervised manner, thus requiring large collections of facial images previously labeled. Even state of arts models in public benchmarks, they may not achieve the same results in the real world. The main reason is the lack of demographic data distribuition of these public datasets, which results in models with greater accuracy in specific demographic subgroups and worst accuracy in other subgroups, such as afrodescendant women. This work aims to investigate the fine tuning training strategies of deep neural network architectures for facial recognition in public safety context, using a dataset with the Brazilian faces in order to generate a more accurate model for a investigations police department. We managed to improve accuracy on test set with samples representative of the context of this work training a model with private dataset with a very small number of samples compared to the public ones. | eng |
dc.description.provenance | Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2020-09-06T17:32:03Z No. of bitstreams: 2 Dissertação - Jones José da Silva Júnior - 2020.pdf: 3418772 bytes, checksum: 1e20f32a5c43da7bbbd7b0a497d76220 (MD5) license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) | en |
dc.description.provenance | Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2020-09-08T10:53:07Z (GMT) No. of bitstreams: 2 Dissertação - Jones José da Silva Júnior - 2020.pdf: 3418772 bytes, checksum: 1e20f32a5c43da7bbbd7b0a497d76220 (MD5) license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) | en |
dc.description.provenance | Made available in DSpace on 2020-09-08T10:53:07Z (GMT). No. of bitstreams: 2 Dissertação - Jones José da Silva Júnior - 2020.pdf: 3418772 bytes, checksum: 1e20f32a5c43da7bbbd7b0a497d76220 (MD5) license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Previous issue date: 2020-07-29 | en |
dc.description.resumo | O reconhecimento facial é uma importante ferramenta para a segurança pública na repressão ao crime. A capacidade de comparar uma imagem facial de um suspeito filmado em local de crime com um banco de dados de milhões de fotos e assim encontrar a sua verdadeira identidade representa um ganho significativo nas taxas de elucidação de delitos. Mesmo alcançado o estado da arte em benchmarks públicos, estes modelos podem não atingir os mesmos resultados no mundo real. O principal motivo é a falta de representatividade na distribuição de dados destas coleção públicas de imagens de treinamento e testes, que resulta em modelos com maior capacidade de reconhecimento em determinados subgrupos demográficos e significativa queda na acurácia em outros subgrupos, como por exemplo, mulheres afrodescendentes. Apesar do estado da arte apontar para soluções que mapeiam um espaço de características com distância angular esta estratégia desconsidera a hipótese da existência de grupos minoritários importantes no conjunto de dados. Este trabalho visa investigar estratégias de treinamento de ajuste fino para arquiteturas de redes neurais profundas no contexto de reconhecimento facial em segurança pública. O conjunto de dados utilizado inclui uma coleção de imagens de treinamento com o padrão do biotipo facial brasileiro com o objetivo de gerar um modelo com maior acurácia para a investigação policial. Utilizando conjunto de dados privado foi possível aprimorar a acurácia na coleção de teste com amostras representativas do contexto deste trabalho. Além disso, foi possível demonstrar que funções de custo com maior capacidade exploratória dos dados são mais aderentes ao problema de viés de dados no reconhecimento facial. Os resultados demonstram inclusive, que foi possível reduzir substancialmente a diferença das taxas de erro entre os gêneros masculino e feminino, além dos aspectos raciais. | pt_BR |
dc.description.sponsorship | Fundação de Amparo à Pesquisa do Estado de Goiás | pt_BR |
dc.identifier.citation | SILVA JÚNIOR, J. J. Redes neurais profundas para reconhecimento facial no contexto de segurança pública. 2020. 85 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2020. | pt_BR |
dc.identifier.uri | http://repositorio.bc.ufg.br/tede/handle/tede/10567 | |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Goiás | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Instituto de Informática - INF (RG) | pt_BR |
dc.publisher.initials | UFG | pt_BR |
dc.publisher.program | Programa de Pós-graduação em Ciência da Computação (INF) | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Visão computacional | por |
dc.subject | Reconhecimento facial | por |
dc.subject | Redes neurais | por |
dc.subject | Computer vision | eng |
dc.subject | Face recognition | eng |
dc.subject | Neural networks | eng |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | pt_BR |
dc.title | Redes neurais profundas para reconhecimento facial no contexto de segurança pública | pt_BR |
dc.title.alternative | Deep neural networks for facial recognition in the context of public security | eng |
dc.type | Dissertação | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- Dissertação - Jones José da Silva Júnior - 2020.pdf
- Tamanho:
- 3.26 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: