A carregar...
Publicação
Reconhecimento Facial Através de Aprendizagem Profunda em Imagens Multiespectrais
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 419.41 KB | Adobe PDF |
Orientador(es)
Resumo(s)
Neste trabalho, é proposta uma nova arquitetura para o
reconhecimento facial utilizando imagens multiespectrais. A
arquitetura produz conjuntos de características de 256
dimensões que representam a identidade de uma pessoa
baseada em imagens multiespectral.
Adicionalmente, neste estudo é proposto um detetor de
personificação com o objetivo de detectar a utilização de
máscaras. O classificador multiespectral obtém melhores
resultados quando comparado com o YCbCr ou o HSV.
Foram realizados diversos testes com o intuito de
identificar quais as melhores camadas a adaptar da LightCNN e concluiu-se que o melhor resultado corresponde ao conjunto
das camadas ({1-3}+UCL). Este estudo permitiu concluir que
quanto maior for o número de camadas adaptadas, pior é o
resultado final. Os melhores resultados ocorrem da adaptação
das camadas iniciais da rede neural.
Para classificar os conjuntos de características de 256
dimensões o classificador SVM com kernel linear obteve os
melhores valores em rank-1 quando comparado com os
restantes classificadores, para as duas bases de dados
multiespectrais utilizadas.
Estudos extensivos nas bases de dados multiespectrais
demonstraram a superioridade da metodologia proposta,
tendo sido obtidos valores em rank-1 de 99,7% e 99,8% para
as bases de dados multiespectrais Tufts e CASIA NIR-VIS
2.0.
Descrição
Palavras-chave
reconhecimento facial imagens multiespectrais
Contexto Educativo
Citação
Editora
Academia Militar
Licença CC
Sem licença CC