PPGCC - Programa de Pós-graduação em Ciência da Computação

URI permanente desta comunidadehttp://www.hml.repositorio.ufop.br/handle/123456789/596

Navegar

Filtros

2012 - 20192

Configurações

Autor: search.filters.author.Luz, Eduardo José da SilvaData final: 2019

Resultados da Pesquisa

Agora exibindo 1 - 2 de 2
  • Nenhuma Miniatura Disponível
    Item
    Exploring deep learning representations for biometric multimodal systems.
    (2019) Luz, Eduardo José da Silva; Gomes, David Menotti; Moreira, Gladston Juliano Prates; Ferreira, Anderson Almeida; Moreira, Gladston Juliano Prates; Gomes, David Menotti; Cavalin, Paulo; Cámara Chávez, Guillermo; Santos, Thiago Oliveira dos
    Biometrics is an important area of research today. A complete biometric system comprises sensors, feature extraction, pattern matching algorithms, and decision making. Biometric systems demand high accuracy and robustness, and researchers are using a combination of several biometric sources, two or more algorithms for pattern matching and di↵erent decision-making systems. These systems are called multimodal biometric systems and today represent state-of-the-art for biometrics. However, the process of extracting features in multimodal biometric systems poses a major challenge today. Deep learning has been used by researchers in the machine learning field to automatize the feature extraction process and several advances were achieved, such as the case of face recognition problem. However, deep learning based methods require a large amount of data and with the exception of facial recognition, there are no databases large enough for the other biometric modalities, hindering the application of deep learning in multimodal methods. In this thesis, we propose a set of contributions to favor the use of deep learning in multimodal biometric systems. First of all, we explore data augmentation and transfer learning techniques for training deep convolution networks, in restricted biometric databases in terms of labeled images. Second, we propose a simple protocol, aiming at reproducibility, for the creation and evaluation of multimodal (or synthetic) multimodal databases. This protocol allows the investigation of multiple biometric modalities combination, even for less common and novel modalities. Finally, we investigate the impact of merging multimodal biometric systems in which all modalities are represented by means of deep descriptors. In this work, we show that it is possible to bring the expressive gains already obtained with the face modality, to other four biometric modalities, by exploring deep learning techniques. We also show that the fusion of modalities is a promising path, even when they are represented by means of deep learning. We advance state-of-the-art for important databases in the literature, such as FRGC (periocular region), NICE / UBIRIS.V2 (periocular region and iris), MobBio (periocular region and face), CYBHi (o↵-the-person ECG), UofTDB (o↵-the-person ECG) and Physionet (EEG signal). Our best multimodal approach, on the chimeric database, resulted in the impressive decidability of 9.15±0.16 and a perfect recognition in (i.e., EER of 0.00%±0.00) for the intra-session multimodal scenario. For inter-session scenario, we reported decidability of 7.91±0.19 and an EER of 0.03%±0.03, which represents a gain of more than 22% for the best inter-session unimodal case.
  • Nenhuma Miniatura Disponível
    Item
    Classificação automática de arritmias : um novo método usando classificação hierárquica.
    (Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto., 2012) Luz, Eduardo José da Silva; Gomes, David Menotti
    De acordo com a organização Mundial de Saúde (OMS), doenças cardíacas são a principal causa de morte no planeta. Todavia, a maioria das doenças cardíacas podem ser diagnosticas e tratadas com antecedência, com o auxílio de exames preventivos. O exame mais utilizado para diagnóstico de doenças cardíacas é chamado Eletrocardiograma (ECG) que podem identicar as arritmias. As arritmias podem se encaixar em duas categorias, arritmias formadas por um único batimento cardíaco irregular ou como um conjunto irregular de batimentos. As arritmias podem ser raras e inofensivas, mas também podem levar à morte rapidamente. Mais efetivo será seu tratamento, quando detectadas o quanto antes. Este trabalho apresenta duas contribuições principais: Primeiro, foi elaborada uma revisão da literatura dos métodos destinados à classificação de arritmias em sinais de ECG e segundo, foi proposto um novo método para classificação de arritmias usando classificação hierárquica. Como contribuições secundárias, investigaram-se novas características para representação do batimento cardíaco baseadas em uma representação 2D do sinal de ECG, o Vectorcardiograma (VCG), e redes complexas. Além disso, investigou-se o uso de uma abordagem wrapper para seleção de características com análise de sensibilidade neste contexto. Os resultados obtidos por este novo método usando classificação hierárquica são comparáveis aos resultados reportados por métodos estado-da-arte. As novas características propostas se mostraram eficientes para discriminação da classe SVEB, que é uma das classes minoritárias. A Classificação Hierárquica se mostrou promissora para o problema de classificação de arritmias e a técnica deve ser explorada por pesquisas futuras.