Banca de QUALIFICAÇÃO: DIOGO VENTURA DANTAS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: DIOGO VENTURA DANTAS
DATA: 29/07/2020
HORA: 15:30
LOCAL: Uma Abordagem de Classificação de Impressões Digitais Utilizando Redes Neurais Convolucionais Profun
TÍTULO: Uma Abordagem de Classificação de Impressões Digitais Utilizando Redes Neurais Convolucionais Profundas
PALAVRAS-CHAVES: Biometria, Impressão Digital, Aprendizagem Profunda
PÁGINAS: 40
RESUMO: A sociedade está cada vez mais integrada e conectada e muitas das tarefas mais banais já são realizadas de forma remota. Esse cenário trouxe diversos benefícios mas também causou problemas como fraudes e vazamento de dados. A utilização de mecanismos de autenticação baseados em traços biométricos, como impressões digitais, face e íris, tem ganhado cada vez mais relevância na busca por segurança. O problema de identificação por impressão digital não é trivial e ainda é um problema em aberto, principalmente com o surgimento das técnicas de inteligência artificial, visto que nenhum algoritmo é livre de erros e a crescente massa de dados gera uma necessidade de confiança e velocidade. Este trabalho se propõe a utilizar técnicas de aprendizagem profunda de máquina para realizar a classificação de impressões digitais, processo que pode ser utilizado em um sistema de reconhecimento para acelerar a busca e reduzir a quantidade de comparações junto à base de dados. Esse processo de filtragem auxilia na obtenção de uma menor taxa de erro e uma maior velocidade no processo de identificação. Diversas abordagens para resolução desse problema podem ser encontrados na literatura, mas em sua grande maioria, dedicam-se a resolver uma simplificação do problema original, utilizando quatro classes ao invés das cinco classes originalmente definidas. Essa abordagem é utilizada com o objetivo de aumentar a taxa de acurácia do método e diminuir a complexidade do problema. Neste trabalho se verificou que é possível atingir resultados semelhantes aos encontrados na literatura utilizando a definição mais ampla do problema. O método proposto atingiu uma acurácia na classificação de 96% no banco de dados NIST-4.
MEMBROS DA BANCA:
Presidente - 1167863 - LEONARDO VIDAL BATISTA
Interno - 2813926 - TIAGO MARITAN UGULINO DE ARAUJO
Externo à Instituição - João Janduy Brasileiro Primo