Deep learning aplicado ao reconhecimento facial

• Processo: 23/11498-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2023
• Data de Término da vigência: 31 de outubro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Nina Sumiko Tomita Hirata
• Beneficiário: Kaique Nunes de Oliveira
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 22/15304-4 - Aprendizado de representações ricas em contexto para visão computacional, AP.TEM
• Assunto(s): Aprendizagem profunda Aprendizado computacional Reconhecimento facial Visão computacional
• Palavra(s)-Chave do Pesquisador: Deep Learning | machine learning | Reconhecimento Facial | Visão Computacional | Aprendizado de Máquina

Resumo

Historicamente o reconhecimento facial por computadores frequentemente foi visto como algo de ficção científica. Porém, nos últimos anos, foram desenvolvidos métodos que são capazes de realizar o reconhecimento de face com taxa de acerto bastante elevada, fazendo com que essa tecnologia esteja cada vez mais presente no dia a dia das pessoas. Esse grande avanço ocorreu principalmente devido às contribuições trazidas pelo Deep Learning, a disponibilização de vastos bancos de dados públicos de fotos de rostos humanos, e às Redes Neurais Convolucionais (CNN). CNNs realizam a extração de características de imagens e aprendem representações de alto nível a partir dos dados de treinamento, sendo muito utilizada, para além de reconhecimento facial, em várias tarefas na área de Visão Computacional. Este projeto de pesquisa visa o desenvolvimento de um modelo para reconhecimento de faces, inicialmente utilizando datasets publicamente disponíveis. Neste processo, o estudante terá a oportunidade de adquirir conhecimentos nas áreas de Visão Computacional, Aprendizado de Máquina e principalmente de Deep Learning, além do processo de investigação científica. Também terá a oportunidade de desenvolver habilidades práticas para a implementação e treinamento de CNNs. Ao final, espera-se que seja produzido um aplicativo para testar esses modelos com imagens de faces coletadas no ambiente universitário.