Utilize este link para identificar ou citar este item:
https://bdm.unb.br/handle/10483/36294
| Título: | Análise quantitativa da influência de degradações em modelos de aprendizagem profunda utilizados no reconhecimento facial |
| Autor(es): | Silva, Daniel Moraes da |
| Orientador(es): | Vidal, Flávio de Barros |
| Assunto: | Reconhecimento facial
Aprendizagem de máquina
Imagens digitais |
| Data de apresentação: | 18-Jul-2023 |
| Data de publicação: | 5-Out-2023 |
| Referência: | SILVA, Daniel Moraes da. Análise quantitativa da influência de degradações em modelos de aprendizagem profunda utilizados no reconhecimento facial. 2023. 92 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2023. |
| Resumo: | O objetivo deste trabalho é realizar uma análise quantitativa de técnicas de degradação
de imagens com a finalidade de aplicação em estudos e pesquisas em reconhecimento
facial. A relevância deste trabalho decorre da necessidade de bases de dados contendo
imagens degradadas, essenciais para o processo de reconhecimento facial e aprendizado
de máquina. Cada imagem degradada será considerada como um objeto de análise para
avaliação da qualidade da imagem em um sistema. Foram explorados oito métodos de
degradação, e uma análise de dados foi conduzida para cada modelo de reconhecimento
facial. Essa análise considerou os estimadores de degradação, suas curvas e o impacto das
degradações no desempenho desses modelos. Os resultados obtidos serão utilizados como
base para a análise da qualidade da imagem e, posteriormente, para o desenvolvimento
de um sistema de aprendizado de máquina profunda. |
| Abstract: | This work aims to conduct a quantitative analysis of image degradation techniques to
apply them in studies and research in facial recognition. The relevance of this work stems
from the need for databases containing degraded images, which is essential for facial
recognition and machine learning. Each degraded image will be considered an analysis
object for evaluating the image quality in a system. Eight degradation methods were
explored, and data analysis was conducted for each facial recognition model. This analysis
considered the degradation estimators, their curves, and the impact of degradations on
the performance of these models. The results obtained will be used as a basis for image
quality analysis and, later, for developing a deep machine learning system. |
| Informações adicionais: | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023. |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
| Aparece na Coleção: | Engenharia da Computação
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.
