DCCMAPI/CCET

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: RICARDO TELES FREITAS
DATA: 29/09/2023
HORA: 14:00
LOCAL: Sala Virtual (Google Meet)
TÍTULO: Uma Abordagem Multi-Nível Baseada em Redes Neurais Convolucionais para Redução do Viés Algorítmico na Localização de Pontos Faciais
PALAVRAS-CHAVES: Localização de Pontos Faciais, Viés Algorítmico, Redes Neurais Convolucionais.
PÁGINAS: 86
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Processamento Gráfico (Graphics)
RESUMO: A localização de pontos de referência facial é uma desafiadora tarefa no contexto da Visão Computacional cujo resultado é aproveitado em diversas aplicações faciais de alto-nível. Para a solução desse problema, modelos baseados em redes neurais convolucionais já atingem níveis de desempenho próximos à anotação humana. O principal critério adotado para a avaliação de desempenho desses modelos é a média da distância ponto-a-ponto, considerando a totalidade de um dataset, entre a anotação de um especialista e o valor estimado. Contudo, estudos recentes lançaram luz sobre um problema ainda pouco explorado na avaliação desses modelos relativos a aplicações faciais. Ele consiste na existência de significativas diferenças de desempenho dos modelos de análise facial quando avaliados os resultados entre diferentes grupos demográficos. Isso caracteriza um viés algorítmico que pode levar a uma discriminação ou favorecimento na análise de um grupo em relação aos outros. Este trabalho propõe uma abordagem de localização de pontos faciais que visa a redução das diferenças de desempenho entre grupos demograficamente distintos. A abordagem concentra-se em uma estratégia multi-nível baseada em redes neurais convolucionais para modelagem dos atributos faciais. O nível de cima é composto por um modelo de regressão de coordenadas para detecção de subunidades da face. O nível de baixo utiliza as respostas de detecção para modelar a localização de cada ponto que compõe a subunidade correspondente. Os modelos foram treinados a partir dos datasets Helen, LFPW, AFW, e 300W desbalanceados com respeito a indivíduos com problemas neurológicos, e aplicados ao Toronto Neuroface, balanceado com portadores de ELA (Esclerose Lateral Amiotrófica), sobreviventes de derrame, e um grupo de controle. A comparação com o estado da arte de localização de pontos faciais revelou dois avanços significativos: a aplicação dos modelos do nível de baixo isolados e em condições de detecção de subunidades ideal foi capaz de reduzir as diferenças de desempenho entre todos os grupos, além de reduzir significativamente o erro geral; e a aplicação da abordagem multi-nível reduziu as diferenças de desempenho entre os grupos de controle e portadores de ELA a níveis insignificantes, além de manter os resultados gerais comparáveis ao estado da arte. A abordagem demonstrou ser capaz de atenuar o viés algorítmico presente em modelos preditivos gerados a partir de um dataset desbalanceado.
MEMBROS DA BANCA:
Presidente - 579.300.403-30 - KELSON RÔMULO TEIXEIRA AIRES
Interno - 628.763.923-72 - ANDRE MACEDO SANTANA
Interno - 2582240 - GERALDO BRAZ JUNIOR
Externo à Instituição - ESTEBAN WALTER GONZALEZ CLUA - UFF
Externo à Instituição - HERMAN MARTINS GOMES - UFCG
Co-orientador - 407686 - ANSELMO CARDOSO DE PAIVA