Gonçalo Ferreira Neto, R. Veras, K. Aires, L. B. Britto Neto
{"title":"帮助视障人士的年龄不变人脸识别","authors":"Gonçalo Ferreira Neto, R. Veras, K. Aires, L. B. Britto Neto","doi":"10.5753/eniac.2021.18244","DOIUrl":null,"url":null,"abstract":"Este trabalho propõem uma abordagem para auxiliar pessoas com deficiência visual no reconhecimento de pessoas independente da idade. O objetivo é desenvolver um sistema que utilize uma abordagem de reconhecimento facial, com foco na invariância na idade, que retorne bons resultados comparados aos resultados obtidos na revisão da literatura. A abordagem estudada utiliza Redes Neurais Convolucionais profundas CCNs, pré-treinadas pelo conjunto de dados VGGFace2, para extrair descritores de características de imagens de faces e classificar com o algoritmo de classificação Linear SVM. Como pode ser visto no decorrer do trabalho, a abordagem retornou 89,9% de acurácia, utilizando o conjunto de dados FG-NET, com 1002 imagens. E utilizando o conjunto de dados CACD, que contém 163.446 imagens divididas em quatro subconjuntos diferentes, três conjuntos para treino e um para teste, a abordagem retornou 85,2%, 82,4% e 88,2% de acurácia para cada modelo treinado com um conjunto de treinamento diferente.","PeriodicalId":318676,"journal":{"name":"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)","volume":"60 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-11-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Age-Invariant Face Recognition to Aid Visually Impaired People\",\"authors\":\"Gonçalo Ferreira Neto, R. Veras, K. Aires, L. B. Britto Neto\",\"doi\":\"10.5753/eniac.2021.18244\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Este trabalho propõem uma abordagem para auxiliar pessoas com deficiência visual no reconhecimento de pessoas independente da idade. O objetivo é desenvolver um sistema que utilize uma abordagem de reconhecimento facial, com foco na invariância na idade, que retorne bons resultados comparados aos resultados obtidos na revisão da literatura. A abordagem estudada utiliza Redes Neurais Convolucionais profundas CCNs, pré-treinadas pelo conjunto de dados VGGFace2, para extrair descritores de características de imagens de faces e classificar com o algoritmo de classificação Linear SVM. Como pode ser visto no decorrer do trabalho, a abordagem retornou 89,9% de acurácia, utilizando o conjunto de dados FG-NET, com 1002 imagens. E utilizando o conjunto de dados CACD, que contém 163.446 imagens divididas em quatro subconjuntos diferentes, três conjuntos para treino e um para teste, a abordagem retornou 85,2%, 82,4% e 88,2% de acurácia para cada modelo treinado com um conjunto de treinamento diferente.\",\"PeriodicalId\":318676,\"journal\":{\"name\":\"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)\",\"volume\":\"60 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-11-29\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/eniac.2021.18244\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XVIII Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2021)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/eniac.2021.18244","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Age-Invariant Face Recognition to Aid Visually Impaired People
Este trabalho propõem uma abordagem para auxiliar pessoas com deficiência visual no reconhecimento de pessoas independente da idade. O objetivo é desenvolver um sistema que utilize uma abordagem de reconhecimento facial, com foco na invariância na idade, que retorne bons resultados comparados aos resultados obtidos na revisão da literatura. A abordagem estudada utiliza Redes Neurais Convolucionais profundas CCNs, pré-treinadas pelo conjunto de dados VGGFace2, para extrair descritores de características de imagens de faces e classificar com o algoritmo de classificação Linear SVM. Como pode ser visto no decorrer do trabalho, a abordagem retornou 89,9% de acurácia, utilizando o conjunto de dados FG-NET, com 1002 imagens. E utilizando o conjunto de dados CACD, que contém 163.446 imagens divididas em quatro subconjuntos diferentes, três conjuntos para treino e um para teste, a abordagem retornou 85,2%, 82,4% e 88,2% de acurácia para cada modelo treinado com um conjunto de treinamento diferente.