Técnicas Deep Learning para la detección biométrica de caras
En el presente trabajo, se pretende llevar a cabo un estudio bibliográfico de los modelos de aprendizaje profundo de reconocimiento facial más utilizados en la literatura. Una vez realizado el estudio bibliográfico, se han diseñado diferentes experimentos, haciendo uso de distintas arquitecturas emp...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universidad de Jaén (UJA) |
| Repositorio: | CREA. Colección de recursos educativos abiertos |
| OAI Identifier: | oai:crea.ujaen.es:10953.1/27436 |
| Acceso en línea: | https://hdl.handle.net/10953.1/27436 |
| Access Level: | acceso abierto |
| Palabra clave: | Inteligencia artificial Informática Análisis de datos 1203.04 Inteligencia artificial 1203.17 Informática 1209.03 Análisis de datos |
| Sumario: | En el presente trabajo, se pretende llevar a cabo un estudio bibliográfico de los modelos de aprendizaje profundo de reconocimiento facial más utilizados en la literatura. Una vez realizado el estudio bibliográfico, se han diseñado diferentes experimentos, haciendo uso de distintas arquitecturas empleadas para reconocimiento facial (VGGNet-16, ResNet-50 y SENet-50). Estos experimentos se han diseñado de acuerdo a 3 metodologías distintas: DL-FT, DL-CLSF y DL-DIST. En DL-FT, se han utilizado estas arquitecturas y se ha aplicado fine-tunning, para adaptar estos modelos a los conjuntos de datos LFW y CFP. En DL-CLSF y DL-DIST se han empleado estos modelos para extraer un vector de características de un rostro, para posteriormente utilizar un clasificador o una medida de distancia, según corresponda. Cabe destacar que, se han realizado experimentos aplicando y sin aplicar generación de instancias sintéticas, así como utilizando y sin utilizar PCA. |
|---|