Reconhecimento facial com super-resolução: uma abordagem utilizando redes generativas e Joint-Learn
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10198/24170 |
Resumo: | Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná |
id |
RCAP_31f5a9593446690123100d2e4072c7ae |
---|---|
oai_identifier_str |
oai:bibliotecadigital.ipb.pt:10198/24170 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Reconhecimento facial com super-resolução: uma abordagem utilizando redes generativas e Joint-LearnSuper-resoluçãoReconhecimento de facesRedes adversárias generativasAprendizado de máquinaDomínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaMestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do ParanáCâmeras de monitoramento são largamente utilizadas para supervisionar estabelecimentos, de forma a coibir atos de violência. Um dos modos de melhorar esse sistema é pelo reconhecimento das pessoas que circulam nesse espaço, preferencialmente pelo rosto dos indivíduos. Um desafio existente é reconhecer os rostos quando as condições de imagem são adversas, seja pela utilização de equipamentos de baixa qualidade ou pela distância entre o sujeito e a câmera, impactando assim nas taxas de acerto dos sistemas de reconhecimento. Para tal, técnicas de aumento de resolução e melhoria na qualidade das imagens podem ser aplicadas antes de realizar o reconhecimento da face, de forma a melhorar a acurácia da última. Dentre essas técnicas de Super-Resolução, o atual estado da arte dá-se pelo uso de Redes Adversárias Generativas (GAN). No uso conjunto de Super-Resolução com reconhecimento de faces, uma opção que se mostrou promissora é o treinamento das redes de Super-Resolução e Reconhecimento Facial de forma conjunta, de modo a direcionar a rede no aprendizado de características de aumento de qualidade de imagem que conduzam a uma melhor acurácia em reconhecer os indivíduos. Neste trabalho, realizamos o treinamento conjunto de Super-Resolução e Reconhecimento de Faces, sendo a primeira uma rede Generativa e a última uma ResNet50, treinados com o auxílio de uma rede Discriminativa, nos moldes do treinamento de redes GAN, de forma a testar a eficácia desse sistema no reconhecimento dos indivíduos em imagens de baixa qualidade. As imagens de resolução aumentada geradas pela rede foram satisfatórias, mas não conseguimos realizar a convergência do reconhecimento das faces em tempo hábil. Com o presente trabalho, desejamos que os achados em nossos experimentos sirvam de insumo para mais pesquisas nesse tópico. Os códigos estão disponíveis publicamente em https://github.com/OliRafa/SRFR-GANSurveillance cameras are broadly used in supervising private places to restrain violent acts. One of the ways of improving this system is recognizing people in this space, preferably by using an individual’s face biometrics. An existing challenge is to recognize faces when imaging conditions are adverse, either by low-quality cameras or the distance between the subject and the camera, thus impacting the accuracy of these recognizing systems. Super-Resolution (SR) techniques can be used to improve both image resolution and quality before recognizing the face, to improve the accuracy of the recognition task. Among these techniques, the actual State of the Art uses Generative Adversarial Networks (GAN). When used together, one promising option is to train Super-Resolution and Face Recognition as one single network, conducting the network to learn SR features that will improve its capability when recognizing faces. In the present work, we trained a Super-Resolution Face Recognition model using this joint-learn approach, combining a Generative network for SR, and a ResNet50 for Face Recognition. The model was trained with a Discriminator network, following the GAN training framework. The images generated by the network were convincing, but we couldn’t converge the FR model in a timely manner. We hope that our contributions could help future works on this topic. Code is publicly available at https://github.com/OliRafa/SRFR-GAN.Rodrigues, Pedro JoãoCandido Junior, ArnaldoPaula Filho, Pedro Luiz deBiblioteca Digital do IPBOliveira, Rafael Augusto de2021-11-08T12:15:27Z202120202021-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10198/24170TID:202783782porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-21T10:54:02Zoai:bibliotecadigital.ipb.pt:10198/24170Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T23:15:01.731824Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Reconhecimento facial com super-resolução: uma abordagem utilizando redes generativas e Joint-Learn |
title |
Reconhecimento facial com super-resolução: uma abordagem utilizando redes generativas e Joint-Learn |
spellingShingle |
Reconhecimento facial com super-resolução: uma abordagem utilizando redes generativas e Joint-Learn Oliveira, Rafael Augusto de Super-resolução Reconhecimento de faces Redes adversárias generativas Aprendizado de máquina Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
title_short |
Reconhecimento facial com super-resolução: uma abordagem utilizando redes generativas e Joint-Learn |
title_full |
Reconhecimento facial com super-resolução: uma abordagem utilizando redes generativas e Joint-Learn |
title_fullStr |
Reconhecimento facial com super-resolução: uma abordagem utilizando redes generativas e Joint-Learn |
title_full_unstemmed |
Reconhecimento facial com super-resolução: uma abordagem utilizando redes generativas e Joint-Learn |
title_sort |
Reconhecimento facial com super-resolução: uma abordagem utilizando redes generativas e Joint-Learn |
author |
Oliveira, Rafael Augusto de |
author_facet |
Oliveira, Rafael Augusto de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rodrigues, Pedro João Candido Junior, Arnaldo Paula Filho, Pedro Luiz de Biblioteca Digital do IPB |
dc.contributor.author.fl_str_mv |
Oliveira, Rafael Augusto de |
dc.subject.por.fl_str_mv |
Super-resolução Reconhecimento de faces Redes adversárias generativas Aprendizado de máquina Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
topic |
Super-resolução Reconhecimento de faces Redes adversárias generativas Aprendizado de máquina Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
description |
Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020 2021-11-08T12:15:27Z 2021 2021-01-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10198/24170 TID:202783782 |
url |
http://hdl.handle.net/10198/24170 |
identifier_str_mv |
TID:202783782 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799135432069349376 |