Notícias

Banca de DEFESA: ANTONIO ANDERSON DE MELO ALMEIDA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ANTONIO ANDERSON DE MELO ALMEIDA
DATA: 25/11/2021
HORA: 14:00
LOCAL: Sala Virtual: https://meet.google.com/hmj-ukhx-vxm
TÍTULO: Reconhecimento de Face com Uma Amostra Por Pessoa baseado em Redes Neurais Profundas
PALAVRAS-CHAVES: Reconhecimento de face; Uma amostra por pessoa
PÁGINAS: 68
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Processamento Gráfico (Graphics)
RESUMO:

As abordagens de reconhecimento de face atuais possuem diversos desafios. Entre tais desafios, destaca-se a dificuldade na coleta de amostras de face. Quanto menor a quantidade de amostras de face por pessoa, menor o esforço e o custo para coletá-las, armazená-las e processá-las. Diversas abordagens em reconhecimento facial dependem de um grande conjunto de treinamento. Se nesse conjunto existir apenas uma amostra por pessoa, a grande maioria das abordagens terão grande queda no desempenho, ou até mesmo não conseguirão desempenhar sua função de reconhecimento. Isso é conhecido na literatura como problema Single Sample Per Person (SSPP), que é um grande desafio na Visão Computacional. Tal problema é considerado complexo e desafiador para a maioria dos algoritmos de reconhecimento de face. Diversas abordagens foram desenvolvidas para atacar esse problema. Como há apenas uma amostra a ser treinada, isso torna as variações faciais, como pose, iluminação e disfarce, difíceis de serem previstas. Sendo assim, este trabalho realizou uma revisão sistemática da literatura, em que identificou o estado da arte sobre o tema, mapeou e fez escolhas criteriosas de métodos que foram utilizados para o desenvolvimento do método proposto. Também foram descritas diversas bases de dados, voltadas para a classificação de imagens de face. Por fim, foi proposta uma nova abordagem em reconhecimento de face, atacando o problema SSPP. A abordagem proposta apresentou resultados bastante animadores em comparação com as abordagens do estado da arte, acima de 90% de acurácia, sendo aplicada diversas técnicas como Aumento de Dados em conjunto com a Rede Neural Convolucional (Convolutional Neural Network– CNNs) pré-treinada FaceNet, além de técnicas de ajustes.


MEMBROS DA BANCA:
Presidente - 1642492 - LAURINDO DE SOUSA BRITTO NETO
Interno - 1350246 - KELSON ROMULO TEIXEIRA AIRES
Interno - 1579396 - RODRIGO DE MELO SOUZA VERAS
Externo à Instituição - ANSELMO CARDOSO DE PAIVA - UFMA
Notícia cadastrada em: 08/11/2021 09:18
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb06.ufpi.br.instancia1 14/04/2024 21:46