Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/34497
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2022_MarinaCarvalhoSoaresDeQueiroz_tcc.pdfTrabalho de Conclusão de Curso 3,9 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorVidal, Flávio de Barros-
dc.contributor.authorQueiroz, Marina Carvalho Soares de-
dc.identifier.citationQUEIROZ, Marina Carvalho Soares de. Avaliando vieses de gênero e raça no reconhecimento facial automático em modelos de aprendizagem profunda. 2022. 75 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Mecatrônica) — Universidade de Brasília, Brasília, 2022.pt_BR
dc.descriptionTrabalho de conclusão de curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, 2022.pt_BR
dc.description.abstractModelos de detecção e reconhecimento facial já são uma realidade nos dias atuais, porém existem ressalvas para sua utilização. Dentre estas ressalvas, surgem a baixa na acurácia do reconhecimento e identificação de faces em diferentes raças e gêneros, identificada como um possível viés no processo de reconhecimento facial automático. Com a intenção de demonstrar e procurar uma explicação para um possível existência destes vieses, esse trabalho propõe a realização do uso dos principais modelos e bibliotecas treinados na tarefa de reconhecimento facial, disponibilizados em (SERENGIL, S. I.; OZPINAR, 2020a). No uso dos modelos de detectores faciais (localizar a região da face na imagem) para identificar diversas raças em nos dois gêneros, masculino e feminino, o resultado teve pior desempenho para a raça indiana, o gênero feminino e no agrupamento de mulheres negras, indianas e homens indianos. Já no processo de reconhecimento facial entre duas imagens analisadas, em uma das faces é realizada uma cobertura em cada característica essencial da face: boca, olho direito, olho esquerdo e nariz. Neste processo foi feito para avaliar a influência de cada característica de modo a tentar identificar a possível relação entre alguma destas características e os agrupamentos com piores desempenhos demonstrados na detecção facial obtidos neste trabalho. Em todos os agrupamentos de raças e gêneros a cobertura do nariz resultou na redução da acurácia no reconhecimento facial, sendo um resultado geral, não podendo ser usado para analisar o viés em uma dada classe específica. Estudos feitos neste trabalho sobre como e quando foram treinados apontam como principal problema como bases de dados não-balanceadas e com pouca diversidade utilizadas para treinamento dos modelos, podem ser uma das principais fatores influenciadores no processo de redução da acurácia para estes grupamentos.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordReconhecimento automático da facept_BR
dc.subject.keywordProcessamento de imagens - técnicas digitaispt_BR
dc.titleAvaliando vieses de gênero e raça no reconhecimento facial automático em modelos de aprendizagem profundapt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2023-04-10T13:34:06Z-
dc.date.available2023-04-10T13:34:06Z-
dc.date.submitted2022-09-12-
dc.identifier.urihttps://bdm.unb.br/handle/10483/34497-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1Detection and facial recognition models are already a reality nowadays, but there are reser vations about their use. Among these caveats is the low accuracy of recognition and identifi cation of faces of different races and genders, identified as a possible bias in automatic facial recognition. To demonstrate and look for an explanation for the possible existence of these bi ases, this work proposes using the main models and libraries trained in the facial recognition task, available at (SERENGIL, S. I.; OZPINAR, 2020a). In the use of facial detector models (locate the region of the face in the image) to identify different races in both genders, male and female, the result had the worst performance for the Indian race, the female gender, and in the grouping of black, Indian women and Indian men. In the facial recognition process between two analyzed images, one of the faces is covered in each essential feature of the face: mouth, right eye, left eye, and nose. In this process, it was done to evaluate the influence of each characteristic to try to identify the possible relationship between any of these characteristics and the groups with the worst performances demonstrated in the face detection obtained in this work. In all race and gender groupings, nose covering resulted in reduced accuracy in facial recognition, being a general result and not being able to be used to analyze bias in a given class. Studies carried out in this work on how and when they were trained to indicate that the main problem is that unbalanced databases with little diversity used for training the models can be one of the main influencing factors in reducing the accuracy of these clusters.pt_BR
Aparece na Coleção:Engenharia Mecatrônica



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.