Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos
La identificación automática mediante fotos de parentescos de consanguinidad de primer grado tiene como objetivo poder determinar computacionalmente cuando dos personas son parientes directos y cuando no. La intención de hacerlo así es aprovechar el poder de cómputo para analizar millones de fotos e...
Guardado en:
Autor principal: | |
---|---|
Formato: | Tesis de Grado |
Lenguaje: | Español |
Publicado: |
2016
|
Materias: | |
Acceso en línea: | https://hdl.handle.net/20.500.12110/seminario_nCOM000467_OrtizdeZarate |
Aporte de: |
id |
todo:seminario_nCOM000467_OrtizdeZarate |
---|---|
record_format |
dspace |
spelling |
todo:seminario_nCOM000467_OrtizdeZarate2023-10-03T16:48:41Z Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos Ortiz de Zarate, Juan Manuel MACHINE LEARNING KINSHIP VERIFICATION SIBLINGS PCA BOOSTED CASCADE K-NEAREST-NEIGHBORS La identificación automática mediante fotos de parentescos de consanguinidad de primer grado tiene como objetivo poder determinar computacionalmente cuando dos personas son parientes directos y cuando no. La intención de hacerlo así es aprovechar el poder de cómputo para analizar millones de fotos entre sí en un corto plazo y poder determinar, con una alta probabilidad, esta relación. Esta masividad de procesamiento que nos proporcion adicha técnica puede ser utilizada para el hallazgo de personas desparecidas o hijos de desaparecidos, teniendo en cuenta lo sucedido en nuestro país entre los años 1976 y 1983 bajo la última dictadura cívico-militar. En este trabajo logramos porcentajes de aciertos muy buenos, a la hora de determinar estos parentescos, en distintas bases de imágenes con diferentes normalizaciones. A través Boosted Cascade pudimos extraer de forma automática los rasgos faciales, para después mediante algoritmos de machine learning lograr una tasa de aciertos por encima del 90 % en el mejor de los casos. En muchos otros por encima de la capacidad de detección humana de estas relaciones (67.19 %). Además comprobamos que se generan mejores modelos utilizando imágenes de la madre en vez del padre e incluso utilizando ambos a la vez. También corroboramos que aplicarle PCA a la matriz de relaciones, previo a ejecutar el algoritmo de machine learning, mejora la homogeneización del funcionamiento de los clasificadores a través de las distintas bases de imágenes. Fil: Ortiz de Zarate, Juan Manuel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. 2016 Tesis de Grado PDF Español info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/seminario_nCOM000467_OrtizdeZarate |
institution |
Universidad de Buenos Aires |
institution_str |
I-28 |
repository_str |
R-134 |
collection |
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) |
language |
Español |
orig_language_str_mv |
Español |
topic |
MACHINE LEARNING KINSHIP VERIFICATION SIBLINGS PCA BOOSTED CASCADE K-NEAREST-NEIGHBORS |
spellingShingle |
MACHINE LEARNING KINSHIP VERIFICATION SIBLINGS PCA BOOSTED CASCADE K-NEAREST-NEIGHBORS Ortiz de Zarate, Juan Manuel Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos |
topic_facet |
MACHINE LEARNING KINSHIP VERIFICATION SIBLINGS PCA BOOSTED CASCADE K-NEAREST-NEIGHBORS |
description |
La identificación automática mediante fotos de parentescos de consanguinidad de primer grado tiene como objetivo poder determinar computacionalmente cuando dos personas son parientes directos y cuando no. La intención de hacerlo así es aprovechar el poder de cómputo para analizar millones de fotos entre sí en un corto plazo y poder determinar, con una alta probabilidad, esta relación. Esta masividad de procesamiento que nos proporcion adicha técnica puede ser utilizada para el hallazgo de personas desparecidas o hijos de desaparecidos, teniendo en cuenta lo sucedido en nuestro país entre los años 1976 y 1983 bajo la última dictadura cívico-militar. En este trabajo logramos porcentajes de aciertos muy buenos, a la hora de determinar estos parentescos, en distintas bases de imágenes con diferentes normalizaciones. A través Boosted Cascade pudimos extraer de forma automática los rasgos faciales, para después mediante algoritmos de machine learning lograr una tasa de aciertos por encima del 90 % en el mejor de los casos. En muchos otros por encima de la capacidad de detección humana de estas relaciones (67.19 %). Además comprobamos que se generan mejores modelos utilizando imágenes de la madre en vez del padre e incluso utilizando ambos a la vez. También corroboramos que aplicarle PCA a la matriz de relaciones, previo a ejecutar el algoritmo de machine learning, mejora la homogeneización del funcionamiento de los clasificadores a través de las distintas bases de imágenes. |
format |
Tesis de Grado |
author |
Ortiz de Zarate, Juan Manuel |
author_facet |
Ortiz de Zarate, Juan Manuel |
author_sort |
Ortiz de Zarate, Juan Manuel |
title |
Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos |
title_short |
Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos |
title_full |
Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos |
title_fullStr |
Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos |
title_full_unstemmed |
Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos |
title_sort |
reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos |
publishDate |
2016 |
url |
https://hdl.handle.net/20.500.12110/seminario_nCOM000467_OrtizdeZarate |
work_keys_str_mv |
AT ortizdezaratejuanmanuel reconocimientodeparentescosdeconsanguinidaddeprimergradoatravesdelanalisisautomaticodefotos |
_version_ |
1807314680235950080 |