Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/34070
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | William Robson Schwartz | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/0704592200063682 | pt_BR |
dc.contributor.advisor-co1 | Filipe de Oliveira Costa | pt_BR |
dc.contributor.referee1 | Guillermo Cámara Chávez | pt_BR |
dc.contributor.referee2 | Jefersson Alex dos Santos | pt_BR |
dc.creator | Rafael Henrique Vareto | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/7909724300997464 | pt_BR |
dc.date.accessioned | 2020-08-28T19:21:16Z | - |
dc.date.available | 2020-08-28T19:21:16Z | - |
dc.date.issued | 2017-10-16 | - |
dc.identifier.uri | http://hdl.handle.net/1843/34070 | - |
dc.description.abstract | O reconhecimento de faces é um dos problemas mais relevantes em visão computacional quando consideramos sua importância em áreas como vigilância, ciência forense e psicologia. De fato, um sistema de reconhecimento que representa o mundo real deve lidar com vários indivíduos desconhecidos e determinar se uma dada imagem está associada a um sujeito registrado em uma galeria de indivíduos conhecidos ou se dois rostos representam identidades equivalentes. Neste trabalho, não só combinamos funções de indexação, coleção de classificadores e histogramas para estimar quando imagens faciais pertencem à galeria, mas também modelamos a relação entre pares de faces para determinar se elas são da mesma pessoa. Os dois métodos propostos são avaliados em cinco datasets: FRGCv1, LFW, PubFig, PubFig83 e CNN VGGFace. Os resultados são promissores e mostram que o nosso método continua eficiente tanto na verificação e identificação de galeria aberta, independentemente da dificuldade dos datasets. | pt_BR |
dc.description.resumo | Face Recognition is one of the most relevant problems in computer vision as we consider its importance to areas such as surveillance, forensics and psychology. In fact, a real-world recognition system has to cope with several unseen individuals and determine either if a given face image is associated with a subject registered in a gallery of known individuals or if two given faces represent equivalent identities. In this work, not only we combine hashing functions, embedding of classifiers and response value histograms to estimate when probe samples belong to the gallery set, but we also extract relational features to model the relation between pair of faces to determine whether they are from the same person. Both proposed methods are evaluated on five datasets: FRGCv1, LFW, PubFig, PubFig83 and CNN VGGFace. Results are promising and show that our method continues effective for both open-set face identification and verification tasks regardless of the dataset difficulty. | pt_BR |
dc.description.sponsorship | CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico | pt_BR |
dc.language | eng | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | ICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.rights.uri | An error occurred getting the license - uri. | * |
dc.subject | Artificial neural network | pt_BR |
dc.subject | Support vector machine | pt_BR |
dc.subject | Partial least squares | pt_BR |
dc.subject | Open-set face identification | pt_BR |
dc.subject | Face verification | pt_BR |
dc.subject | Machine learning | pt_BR |
dc.subject | Surveillance | pt_BR |
dc.subject.other | Computação - Teses | pt_BR |
dc.subject.other | Visão computacional | pt_BR |
dc.subject.other | Aprendizado de máquina | pt_BR |
dc.subject.other | Percepção visual | pt_BR |
dc.subject.other | Reconhecimento de faces | pt_BR |
dc.subject.other | Vigilância | pt_BR |
dc.title | Face recognition based on a collection of binary classifiers | pt_BR |
dc.title.alternative | Reconhecimento facial baseado em uma coleção de classificadores binários | pt_BR |
dc.type | Dissertação | pt_BR |
dc.identifier.orcid | https://orcid.org/0000-0002-0431-5945 | pt_BR |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Vareto-MSc-Thesis.pdf | Dissertação de Mestrado | 9.85 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.