Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Almeida, Juliano Rodrigues de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Transferência de aprendizagem
Redes neurais convolucionais
Classificação de imagens
Reconhecimento de objetos
Redes neurais (Computação)
Processamento de imagens
Perícia computacional
Link de acesso: https://repositorio.unb.br/handle/10482/40286
Resumo: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2020.
id UNB_73d06a7c85d0a831535a717cb3f57351
oai_identifier_str oai:repositorio.unb.br:10482/40286
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminalTransferência de aprendizagemRedes neurais convolucionaisClassificação de imagensReconhecimento de objetosRedes neurais (Computação)Processamento de imagensPerícia computacionalDissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2020.A popularização do uso de aparelhos eletrônicos, como smartphones, tablets e computadores, aliado ao aumento da capacidade de armazenamento desses dispositivos, está impactando a área da perícia criminal. Cada vez mais tempo e experiência são exigidos na análise de evidências digitais na investigação criminal. Diante desse cenário, técnicas de aprendizado de máquina estão sendo implantadas no campo da perícia criminal, a fim de auxiliar a obtenção de evidências relevantes de forma mais célere e uniforme. Este trabalho apresenta um estudo que utiliza Transfer Learning (TF) e Convolutional Neural Networks (CNN) na classificação de imagens e no reconhecimento de objetos de interesse na área da perícia criminal. O modelo para classificação de imagens criado a partir de CNN obteve, para os conjuntos de testes, acurácia de 98% na classificação de imagens contendo documentos e não documentos, e 99% de acurácia na classificação entre documentos de identificação e documentos gerais. No que tange à detecção de armas em arquivos de imagem, o modelo criado utilizando a arquitetura YOLOv3 obteve mAP de 0,85. Os classificadores desenvolvidos foram integrados ao software de perícia computacional Autopsy, fornecendo acurácia de 97,9% na classificação de imagens contendo documentos. Foi possível, ainda, integrar a detecção de pessoas, carros e armas a essa ferramenta, permitindo identificar corretamente armas em 77,2% das imagens testadas. Por meio dos resultados obtidos com a integração com o software Autopsy, verifica-se o potencial prático deste projeto para realizar classificações e detecções de objetos em imagens objeto de perícia criminal.The popularization of electronic equipments such as smartphones, tablets and computers combined with the increase in the individual capacity of these devices have impacted the digital forensic field. More time and expertise are required in the analysis of digital evidence in the criminal investigation. Given this scenario, machine learning techniques are being studied and deployed in the realm of criminal investigation aimed at producing the forensic evidence in a faster and more uniform way. This project presents a categorybased image classification and object recognition study using Convolutional Neural Networks (CNN) and Transfer Learning (TF).The image classification model created from CNN obtained, for the test sets, 98% of accuracy in the classification of images containing documents and not documents, and 99% of accuracy in the classification between identification documents and general documents. Regarding the detection of weapons in image files, the model created using the YOLOv3 architecture obtained a mAP of 0.85. The developed classifiers were integrated with the Autopsy computer expertise software, providing 97.9% accuracy in the classification of images containing documents. It was also possible to integrate the detection of people, cars and weapons into this tool, allowing to correctly identify weapons in 77.2% of the tested images. Through the results obtained with the integration with the Autopsy software, it is possible to verify the practical potential of this project to carry out classifications and detections of objects in images subject to criminal investigations.Instituto de Ciências Exatas (IE)Departamento de Ciência da Computação (IE CIC)Programa de Pós-Graduação em Computação Aplicada, Mestrado ProfissionalZaghetto, AlexandreAlmeida, Juliano Rodrigues de2021-03-23T12:22:45Z2021-03-23T12:22:45Z2021-03-232020-08-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfALMEIDA, Juliano Rodrigues de. Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal. 2020. xi, 95 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2020.https://repositorio.unb.br/handle/10482/40286A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-03-14T16:13:49Zoai:repositorio.unb.br:10482/40286Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-03-14T16:13:49Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal
title Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal
spellingShingle Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal
Almeida, Juliano Rodrigues de
Transferência de aprendizagem
Redes neurais convolucionais
Classificação de imagens
Reconhecimento de objetos
Redes neurais (Computação)
Processamento de imagens
Perícia computacional
title_short Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal
title_full Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal
title_fullStr Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal
title_full_unstemmed Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal
title_sort Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal
author Almeida, Juliano Rodrigues de
author_facet Almeida, Juliano Rodrigues de
author_role author
dc.contributor.none.fl_str_mv Zaghetto, Alexandre
dc.contributor.author.fl_str_mv Almeida, Juliano Rodrigues de
dc.subject.por.fl_str_mv Transferência de aprendizagem
Redes neurais convolucionais
Classificação de imagens
Reconhecimento de objetos
Redes neurais (Computação)
Processamento de imagens
Perícia computacional
topic Transferência de aprendizagem
Redes neurais convolucionais
Classificação de imagens
Reconhecimento de objetos
Redes neurais (Computação)
Processamento de imagens
Perícia computacional
description Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2020.
publishDate 2020
dc.date.none.fl_str_mv 2020-08-27
2021-03-23T12:22:45Z
2021-03-23T12:22:45Z
2021-03-23
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv ALMEIDA, Juliano Rodrigues de. Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal. 2020. xi, 95 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2020.
https://repositorio.unb.br/handle/10482/40286
identifier_str_mv ALMEIDA, Juliano Rodrigues de. Transfer learning e convolutional neural networks para a classificação de imagens e reconhecimento de objetos no âmbito da perícia criminal. 2020. xi, 95 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2020.
url https://repositorio.unb.br/handle/10482/40286
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1839083887486042112

Registros relacionados