Palavras-chave
Deep learning
Reconhecimento facial
Como Citar
Resumo
Esta pesquisa tem como objetivo reconhecer imagens faciais em fotos e vídeos utilizando aprendizado profundo de máquina com o auxílio da biblioteca de código aberto dlib¹. Devido à complexidade do tratamento de fluxo de dados com algoritmos de clusterização hierárquica, esta ferramenta tornou-se inviável para o escopo deste projeto. O desenvolvimento de redes neurais profundas convolucionais para reconhecimento de faces é uma alternativa para atingir o objetivo deste projeto.
Referências
R. Ranjan, A. Bansal, J. Zheng, H. Xu, J. Gleason, B. Lu, A. Nanduri, J.-C. Chen, C. Castillo, and R. Chellappa, “A fast and accurate system for face detection, identification, and verification,” CoRR, vol. abs/1809.07586, 2018.
Y. Taigman, M. Yang, M. A. Ranzato, and L. Wolf, “Deepface: Closing the gap to human-level performance in face verification,” in IEEE Conference on Computer Vision and Pattern Recognition, 2014, pp. 1701–1708.
Y. Sun, X. Wang, and X. Tang, “Deep learning face representation from predicting 10000 classes,” in IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2014, pp. 1891–1898.
F. Schroff, D. Kalenichenko, and J. Philbin, “Facenet: A unified embedding for face recognition and clustering,” arXiv preprint arXiv:1503.03832, 2015.
Todos os trabalhos são de acesso livre, sendo que a detenção dos direitos concedidos aos trabalhos são de propriedade da Revista dos Trabalhos de Iniciação Científica da UNICAMP.