Reconhecimento facial utilizando transferência de aprendizado e redes neurais

• Julio Cesar Ribeiro Silva UTFPR
• Pedro Luiz de Paula Filho UTFPR

DOI: https://doi.org/10.5753/latinoware.2023.236291

Resumo

Nas últimas décadas a área de aprendizado de máquina tem avançado rapidamente devido aumento nas pesquisas e no surgimento de novas arquiteturas de redes neurais. Esse documento tem como objetivo apresentar um modelo que utiliza redes neurais para reconhecimento facial para fornecer acesso de indivíduos à sistemas. Para isso serão utilizadas bases públicas misturadas à um conjunto de dados que contenha imagens de novos indivíduos que devem ser agrupados aos outros datasets e identificados individualmente. Inicialmente serão utilizadas duas redes neurais que utilizam Deep Learning para realizar o treinamento VGG e ResNet. Utilizando essas duas redes neurais, será utilizado transferência de aprendizado para realizar um novo treinamento utilizando o banco de imagens adaptadas para o problema.

Palavras-chave: aprendizado profundo, aprendizado de máquina, treinamento de modelos

Referências

K. Okokpujie, E. Noma-Osaghae, S. John, K.-A. Grace, and I. Okokpujie, “A face recognition attendance system with gsm notification,” in 2017 IEEE 3rd International Conference on Electro-Technology for National Development (NIGERCON), 2017, pp. 239–244.

M. Wang and W. Deng, “Deep face recognition: A survey,” CoRR, vol. abs/1804.06655, 2018. [Online]. Available: [link]

W. Tan, P. Liu, X. Li, Y. Liu, Q. Zhou, C. Chen, Z. Gong, X. Yin, and Y. Zhang, “Classification of COVID-19 pneumonia from chest CT images based on reconstructed super-resolution images and VGG neural network,” Health Inf. Sci. Syst., vol. 9, no. 1, p. 10, 2021. [Online]. Available: https://doi.org/10.1007/s13755-021-00140-0

J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li, and L. Fei-Fei, “Imagenet: A large-scale hierarchical image database,” in 2009 IEEE conference on computer vision and pattern recognition. Ieee, 2009, pp. 248–255.

P. Dwivedi, “Understanding and coding a resnet in keras,” Mar 2019. [Online]. Available: [link].

S. Xie, R. Girshick, P. Dollár, Z. Tu, and K. He, “Aggregated residual transformations for deep neural networks,” 2017.

G. B. Huang, M. Ramesh, T. Berg, and E. Learned-Miller, “Labeled faces in the wild: A database for studying face recognition in unconstrained environments,” University of Massachusetts, Amherst, Tech. Rep. 07-49, October 2007.

S. Milborrow, J. Morkel, and F. Nicolls, “The MUCT Landmarked Face Database,” Pattern Recognition Association of South Africa, 2010, [link].

F. Chollet et al., “Keras,” [link], 2015.

M. Abadi, A. Agarwal, P. Barham, E. Brevdo, Z. Chen, C. Citro, G. S. Corrado, A. Davis, J. Dean, M. Devin, S. Ghemawat, I. Goodfellow, A. Harp, G. Irving, M. Isard, Y. Jia, R. Jozefowicz, L. Kaiser, M. Kudlur, J. Levenberg, D. Mané, R. Monga, S. Moore, D. Murray, C. Olah, M. Schuster, J. Shlens, B. Steiner, I. Sutskever, K. Talwar, P. Tucker, V. Vanhoucke, V. Vasudevan, F. Viégas, O. Vinyals, P. Warden, M. Wattenberg, M. Wicke, Y. Yu, and X. Zheng, “TensorFlow: Large-scale machine learning on heterogeneous systems,” 2015, software available from tensorflow.org. [Online]. Available: [link]