Deep Multitask Learning for Automatic Evaluation of ICAO Requirements.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFCG |
Texto Completo: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32992 |
Resumo: | A face ´e considerada o principal tra¸co biom´etrico para documentos de viagem leg´ıveis por m´aquina, como passaportes. Neste contexto, o padr˜ao ISO/IEC 19794-5 dene um conjunto de requisitos fotogr´acos para garantir a qualidade da imagem e simplicar o processo de reconhecimento facial. No entanto, devido ao grande n´umero de requisitos denidos por esse padr˜ao (quase 30), a verica¸c˜ao de conformidade de uma ´unica imagem facial ainda ´e um desao. Normalmente, problemas com v´arias tarefas, como os requisitos desse padr˜ao, s˜ao divididos em subproblemas independentes que s˜ao resolvidos separadamente e, em seguida, recombinados. No entanto, isso ignora as informa¸c˜oes comuns entre tarefas relacionadas e aumenta o risco de sobreajuste. O Aprendizado Multitarefa (do inglˆes, Multitasking Learning, MTL) tem se provado uma t´ecnica importante para resolver v´arias tarefas relacionadas simultaneamente. Ele explora os aspectos comuns e distintos de tarefas do mesmo dom´ınio para melhorar a generaliza¸c˜ao entre todas as tarefas. Al´em disso, o MTL concentra-se em aprender uma representa¸c˜ao ´util que possa gerar benef´ıcios, especialmente em cen´arios em que um conjunto de dados rotulados para uma tarefa ´e limitado. Por m, no caso das Redes Neurais Profundas, o MTL pode ajudar a reduzir o n´umero de parˆametros e a velocidade de inferˆencia. Esta pesquisa prop˜oe o primeiro m´etodo de aprendizado profundo multitarefa projetado para avalia¸c˜ao autom´atica dos requisitos do padr˜ao ISO/IEC 19794-5, denominado ICAONet. Autoencoders subcompletos s˜ao estendidos para empregar uma abordagem de multi-aprendizagem colaborativa, onde a aprendizagem supervisionada e n˜ao-supervisionada s˜ao realizadas simultaneamente e de forma cooperativa. O m´etodo ´e treinado usando um banco de imagens especialmente constru´ıdo para o problema descrito e avaliado por um sistema de benchmark ocial tamb´em utilizado por outras abordagens presentes na literatura. Os experimentos mostram que o m´etodo proposto alcan¸ca os melhores resultados em termos de Taxa de Erro Igual (do inglˆes, Equal Error Rate, EER) para 9 dos 23 requisitos fotogr´acos, o que n˜ao foi alcan¸cado por nenhum outro m´etodo conforme a bibliograa consultada. Portanto, o m´etodo proposto pode ser considerado a melhor solu¸c˜ao geral entre trabalhos acadˆemicos publicados na literatura e SDKs privados analisados. No geral, a EER mediana (3,3%) tamb´em ´e competitiva. Em termos de tempo de execu¸c˜ao, o m´etodo proposto se destaca entre os m´etodos mais r´apidos para avaliar todos os 23 requisitos segundo o benchmark ocial. Por outro lado, h´a espa¸co para melhorias nos resultados da localiza¸c˜ao dos olhos e alguns requisitos espec´ıcos, que podem exigir investiga¸c˜ao adicional. Por m, por meio de t´ecnicas de visualiza¸c˜ao de Redes Neurais, foram identicados padr˜oes de representa¸c˜ao relevantes aos requisitos do padr˜ao ISO/IEC 19794-5. |
id |
UFCG_81080000a5ea1eeca891b4529c37ec85 |
---|---|
oai_identifier_str |
oai:localhost:riufcg/32992 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
4851 |
spelling |
Deep Multitask Learning for Automatic Evaluation of ICAO Requirements.Aprendizagem Multitarefa Profunda para Avaliação automática dos requisitos da ICAO.Qualidade FacialICAOISO/IEC 19794-5Aprendizado MultitarefaAutoencodersAprendizado ProfundoFacial QualityMultitasking LearningAutoencodersDeep LearningCiência da ComputaçãoA face ´e considerada o principal tra¸co biom´etrico para documentos de viagem leg´ıveis por m´aquina, como passaportes. Neste contexto, o padr˜ao ISO/IEC 19794-5 dene um conjunto de requisitos fotogr´acos para garantir a qualidade da imagem e simplicar o processo de reconhecimento facial. No entanto, devido ao grande n´umero de requisitos denidos por esse padr˜ao (quase 30), a verica¸c˜ao de conformidade de uma ´unica imagem facial ainda ´e um desao. Normalmente, problemas com v´arias tarefas, como os requisitos desse padr˜ao, s˜ao divididos em subproblemas independentes que s˜ao resolvidos separadamente e, em seguida, recombinados. No entanto, isso ignora as informa¸c˜oes comuns entre tarefas relacionadas e aumenta o risco de sobreajuste. O Aprendizado Multitarefa (do inglˆes, Multitasking Learning, MTL) tem se provado uma t´ecnica importante para resolver v´arias tarefas relacionadas simultaneamente. Ele explora os aspectos comuns e distintos de tarefas do mesmo dom´ınio para melhorar a generaliza¸c˜ao entre todas as tarefas. Al´em disso, o MTL concentra-se em aprender uma representa¸c˜ao ´util que possa gerar benef´ıcios, especialmente em cen´arios em que um conjunto de dados rotulados para uma tarefa ´e limitado. Por m, no caso das Redes Neurais Profundas, o MTL pode ajudar a reduzir o n´umero de parˆametros e a velocidade de inferˆencia. Esta pesquisa prop˜oe o primeiro m´etodo de aprendizado profundo multitarefa projetado para avalia¸c˜ao autom´atica dos requisitos do padr˜ao ISO/IEC 19794-5, denominado ICAONet. Autoencoders subcompletos s˜ao estendidos para empregar uma abordagem de multi-aprendizagem colaborativa, onde a aprendizagem supervisionada e n˜ao-supervisionada s˜ao realizadas simultaneamente e de forma cooperativa. O m´etodo ´e treinado usando um banco de imagens especialmente constru´ıdo para o problema descrito e avaliado por um sistema de benchmark ocial tamb´em utilizado por outras abordagens presentes na literatura. Os experimentos mostram que o m´etodo proposto alcan¸ca os melhores resultados em termos de Taxa de Erro Igual (do inglˆes, Equal Error Rate, EER) para 9 dos 23 requisitos fotogr´acos, o que n˜ao foi alcan¸cado por nenhum outro m´etodo conforme a bibliograa consultada. Portanto, o m´etodo proposto pode ser considerado a melhor solu¸c˜ao geral entre trabalhos acadˆemicos publicados na literatura e SDKs privados analisados. No geral, a EER mediana (3,3%) tamb´em ´e competitiva. Em termos de tempo de execu¸c˜ao, o m´etodo proposto se destaca entre os m´etodos mais r´apidos para avaliar todos os 23 requisitos segundo o benchmark ocial. Por outro lado, h´a espa¸co para melhorias nos resultados da localiza¸c˜ao dos olhos e alguns requisitos espec´ıcos, que podem exigir investiga¸c˜ao adicional. Por m, por meio de t´ecnicas de visualiza¸c˜ao de Redes Neurais, foram identicados padr˜oes de representa¸c˜ao relevantes aos requisitos do padr˜ao ISO/IEC 19794-5.The face is considered the primary biometric trait for machine-readable travel documents such as passports. In this context, the ISO/IEC 19794-5 standard denes a set of photographic requirements to ensure the image quality and simplify the face recognition process. However, because the number of requirements dened by such a standard is high (almost 30), the compliance verication of a single face image is still a challenge. Usually, problems with multiple tasks, such as the ISO/IEC 19794-5 requirements, are broken into independent subproblems that are solved separately and then recombined. Nevertheless, it ignores the common information between related tasks and increases the risk of overtting. Multitasking Learning (MTL) has proven to be an important technique for solving multiple related tasks simultaneously. It explores the common and distinct aspects of tasks from the same domain to improve the generalization among all tasks. In addition, MTL focuses on learning a useful representation that can yield benets, particularly in scenarios where a labeled dataset for a task is limited. Finally, in the case of Deep Neural Networks, MTL can help reduce the number of parameters and inference speed. This research proposes the rst deep Multitasking Learning method designed for automatic evaluation of both photographic and geometric requirements of the ISO/IEC 19794-5 standard, called ICAONet. Undercomplete Autoencoders are extended to employ a multi-and-collaborative learning approach, in which both supervised and unsupervised learning are performed concurrently and in a collaborative manner. The method is trained using an ad hoc image dataset and evaluated using an ocial benchmark system that is also used by other approaches presented in the literature. The experiments show the method proposed achieves the best results in terms of Equal Error Rate for 9 out of the 23 photographic requirements of ISO/IEC 19794-5, which was not achieved by any other individual method according to the consulted bibliography. Therefore, the proposed method can be considered the best overall solution among evaluated academic works published in the literature and private SDKs. Overall, the median Equal Error Rate (3.3%) is also competitive. In terms of running time, the proposed method stands out among the fastest methods to evaluate all 23 requirements according to the ocial benchmark. On the other hand, there are space for improvements on results of eye’s landmark location and some specic requirements that may require additional investigation. Finally, through Neural Network visualization techniques, relevant patterns related to the requirements of the ISO/IEC 19794-5 standard could be observed.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIPÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃOUFCGGOMES, Herman Martins.GOMES, H. M.http://lattes.cnpq.br/4223020694433271BATISTA, Leonardo Vidal.BATISTA, L. V.http://lattes.cnpq.br/1047122596139990PEREIRA, Eanes Torres.ARAÚJO , Joseana Macêdo Fechine Régis de.SOARES, Anderson da SilvaARAÚJO , Aluizio Fausto Ribeiro.SILVA, Arnaldo Gualberto de Andrade e.2023-07-202023-11-21T13:32:17Z2023-11-212023-11-21T13:32:17Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32992SILVA, Arnaldo Gualberto de Andrade e. Deep Multitask Learning for Automatic Evaluation of ICAO Requirements. 2023. 113 f. Tese (Doutorado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2023.porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2023-11-21T13:32:17Zoai:localhost:riufcg/32992Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512023-11-21T13:32:17Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.none.fl_str_mv |
Deep Multitask Learning for Automatic Evaluation of ICAO Requirements. Aprendizagem Multitarefa Profunda para Avaliação automática dos requisitos da ICAO. |
title |
Deep Multitask Learning for Automatic Evaluation of ICAO Requirements. |
spellingShingle |
Deep Multitask Learning for Automatic Evaluation of ICAO Requirements. SILVA, Arnaldo Gualberto de Andrade e. Qualidade Facial ICAO ISO/IEC 19794-5 Aprendizado Multitarefa Autoencoders Aprendizado Profundo Facial Quality Multitasking Learning Autoencoders Deep Learning Ciência da Computação |
title_short |
Deep Multitask Learning for Automatic Evaluation of ICAO Requirements. |
title_full |
Deep Multitask Learning for Automatic Evaluation of ICAO Requirements. |
title_fullStr |
Deep Multitask Learning for Automatic Evaluation of ICAO Requirements. |
title_full_unstemmed |
Deep Multitask Learning for Automatic Evaluation of ICAO Requirements. |
title_sort |
Deep Multitask Learning for Automatic Evaluation of ICAO Requirements. |
author |
SILVA, Arnaldo Gualberto de Andrade e. |
author_facet |
SILVA, Arnaldo Gualberto de Andrade e. |
author_role |
author |
dc.contributor.none.fl_str_mv |
GOMES, Herman Martins. GOMES, H. M. http://lattes.cnpq.br/4223020694433271 BATISTA, Leonardo Vidal. BATISTA, L. V. http://lattes.cnpq.br/1047122596139990 PEREIRA, Eanes Torres. ARAÚJO , Joseana Macêdo Fechine Régis de. SOARES, Anderson da Silva ARAÚJO , Aluizio Fausto Ribeiro. |
dc.contributor.author.fl_str_mv |
SILVA, Arnaldo Gualberto de Andrade e. |
dc.subject.por.fl_str_mv |
Qualidade Facial ICAO ISO/IEC 19794-5 Aprendizado Multitarefa Autoencoders Aprendizado Profundo Facial Quality Multitasking Learning Autoencoders Deep Learning Ciência da Computação |
topic |
Qualidade Facial ICAO ISO/IEC 19794-5 Aprendizado Multitarefa Autoencoders Aprendizado Profundo Facial Quality Multitasking Learning Autoencoders Deep Learning Ciência da Computação |
description |
A face ´e considerada o principal tra¸co biom´etrico para documentos de viagem leg´ıveis por m´aquina, como passaportes. Neste contexto, o padr˜ao ISO/IEC 19794-5 dene um conjunto de requisitos fotogr´acos para garantir a qualidade da imagem e simplicar o processo de reconhecimento facial. No entanto, devido ao grande n´umero de requisitos denidos por esse padr˜ao (quase 30), a verica¸c˜ao de conformidade de uma ´unica imagem facial ainda ´e um desao. Normalmente, problemas com v´arias tarefas, como os requisitos desse padr˜ao, s˜ao divididos em subproblemas independentes que s˜ao resolvidos separadamente e, em seguida, recombinados. No entanto, isso ignora as informa¸c˜oes comuns entre tarefas relacionadas e aumenta o risco de sobreajuste. O Aprendizado Multitarefa (do inglˆes, Multitasking Learning, MTL) tem se provado uma t´ecnica importante para resolver v´arias tarefas relacionadas simultaneamente. Ele explora os aspectos comuns e distintos de tarefas do mesmo dom´ınio para melhorar a generaliza¸c˜ao entre todas as tarefas. Al´em disso, o MTL concentra-se em aprender uma representa¸c˜ao ´util que possa gerar benef´ıcios, especialmente em cen´arios em que um conjunto de dados rotulados para uma tarefa ´e limitado. Por m, no caso das Redes Neurais Profundas, o MTL pode ajudar a reduzir o n´umero de parˆametros e a velocidade de inferˆencia. Esta pesquisa prop˜oe o primeiro m´etodo de aprendizado profundo multitarefa projetado para avalia¸c˜ao autom´atica dos requisitos do padr˜ao ISO/IEC 19794-5, denominado ICAONet. Autoencoders subcompletos s˜ao estendidos para empregar uma abordagem de multi-aprendizagem colaborativa, onde a aprendizagem supervisionada e n˜ao-supervisionada s˜ao realizadas simultaneamente e de forma cooperativa. O m´etodo ´e treinado usando um banco de imagens especialmente constru´ıdo para o problema descrito e avaliado por um sistema de benchmark ocial tamb´em utilizado por outras abordagens presentes na literatura. Os experimentos mostram que o m´etodo proposto alcan¸ca os melhores resultados em termos de Taxa de Erro Igual (do inglˆes, Equal Error Rate, EER) para 9 dos 23 requisitos fotogr´acos, o que n˜ao foi alcan¸cado por nenhum outro m´etodo conforme a bibliograa consultada. Portanto, o m´etodo proposto pode ser considerado a melhor solu¸c˜ao geral entre trabalhos acadˆemicos publicados na literatura e SDKs privados analisados. No geral, a EER mediana (3,3%) tamb´em ´e competitiva. Em termos de tempo de execu¸c˜ao, o m´etodo proposto se destaca entre os m´etodos mais r´apidos para avaliar todos os 23 requisitos segundo o benchmark ocial. Por outro lado, h´a espa¸co para melhorias nos resultados da localiza¸c˜ao dos olhos e alguns requisitos espec´ıcos, que podem exigir investiga¸c˜ao adicional. Por m, por meio de t´ecnicas de visualiza¸c˜ao de Redes Neurais, foram identicados padr˜oes de representa¸c˜ao relevantes aos requisitos do padr˜ao ISO/IEC 19794-5. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-07-20 2023-11-21T13:32:17Z 2023-11-21 2023-11-21T13:32:17Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32992 SILVA, Arnaldo Gualberto de Andrade e. Deep Multitask Learning for Automatic Evaluation of ICAO Requirements. 2023. 113 f. Tese (Doutorado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2023. |
url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32992 |
identifier_str_mv |
SILVA, Arnaldo Gualberto de Andrade e. Deep Multitask Learning for Automatic Evaluation of ICAO Requirements. 2023. 113 f. Tese (Doutorado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2023. |
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.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO UFCG |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO UFCG |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1809744601515294720 |