Для студентов МАДИ по предмету ДругиеГендерная классификация лиц людей на фотографиях в сфере компьютерной криминалистикиГендерная классификация лиц людей на фотографиях в сфере компьютерной криминалистики
2024-06-152024-06-15СтудИзба
Курсовая работа: Гендерная классификация лиц людей на фотографиях в сфере компьютерной криминалистики
Описание
компьютерной криминалистики
Оглавление
3.2. Тестирующий набор данных . . . . . . . . . . . . . . . . . 18
3
4
Введение
Компьютерная криминалистика – это прикладная наука о раскрытии преступлений, связанных с компьютерной информацией, об исследо-вании цифровых доказательств, методах поиска, получения и закреп-ления таких доказательств. С развитием технологического прогресса компьютерная криминалистика оказывается все более востребованной, так как постоянно растет число различных цифровых носителей: пер-сональных компьютеров, смартфонов, систем видеонаблюдения, план-шетов и т.д.
Цифровые источники фотографий (камеры видеонаблюдения, веб-камеры, смартфоны, фотоаппараты) особо интересны криминалистам, так как с помощью этих изображений можно получить визуальную ин-формацию о совершенном преступлении. В частности, с помощью го-родских камер видеонаблюдения можно оперативно установить место-нахождение подозреваемого.
Данных с таких источников может быть очень много, и становится необходимым автоматизировать процесс обработки поступающих изоб-ражений. Выделим следующий ряд задач: автоматическое обнаружение лиц людей на фотографиях, кластеризация лиц, получение информа-ции о человеке (гендер и возраст). При этом успешное автоматическое определение пола человека по его фотографии существенно ускоряет процесс анализа имеющихся фотографий.
Фотографии, полученные с камер видеонаблюдения, смартфонов и других цифровых источников, в контексте решения криминалистиче-ских задач характеризуются особыми факторами (т.н. криминалисти-ческими факторами), которые значительно усложняют автоматизацию обработки и классификации фотографий. Подробно о криминалисти-ческих факторах будет рассказано в главе 2.1. Однако, большинство существующих алгоритмов гендерной классификации создавались для статичных, хорошо освещенных портретных фотографий, не обладаю-щих остальными криминалистическими факторами. Также кримина-листов интересует фактор скорости работы алгоритма
Оглавление
| Введение | 5 | |||
| 1. | Постановка задачи | 7 | ||
| 2. | Обзор предметной области | 8 | ||
| 2.1. | Криминалистические факторы . . . . . . . . . . . . . . . | 8 | ||
| 2.2. | Обзор открытых наборов данных для гендерной класси- | |||
| фикации ............................ | 9 | |||
| 2.2.1. | VGGFace2 . . . . . . . . . . . . . . . . . . . . . . . | 9 | ||
| 2.2.2. | DiF . . . . . . . . . . . . . . . . . . . . . . . . . . . | 10 | ||
| 2.2.3. | IMDb-WIKI . . . . . . . . . . . . . . . . . . . . . . | 11 | ||
| 2.2.4. | Unfiltered faces for gender and age classification . . | 12 | ||
| 2.2.5. FairFace . . . . . . . . . . . . . . . . . . . . . . . . . | 13 | |||
| 2.3. | Обзор существующих алгоритмов гендерной классифика- | |||
| ции ............................... | 13 | |||
| 2.3.1. Gil Levi and Tal Hassner model trained on Adience | 14 | |||
| 2.3.2. | VGG-Face model fine-tuned on IMDb-Wiki . . . . . | 15 | ||
| 2.3.3. FairFace . . . . . . . . . . . . . . . . . . . . . . . . . | 15 | |||
| 2.4. | Выводы из обзора предметной области . . . . . . . . . . . | 15 | ||
- Наборы данных для обучения и тестирования алгоритма 17 3.1. Наборданныхдляобучения . . . . . . . . . . . . . . . . . 17
3.2. Тестирующий набор данных . . . . . . . . . . . . . . . . . 18
| 4. | Алгоритм гендерной классификации | 20 | |
| 4.1. | Архитектура EfficientNet . . . . . . . . . . . . . . . . . . . | 20 | |
| 4.2. | Обучение на подготовленном наборе данных . . . . . . . | 21 | |
| 5. | Анализ работы алгоритмов | 23 | |
| 5.1. | Качественная характеристика работы алгоритмов . . . . | 23 | |
| 5.2. | Скорость работы алгоритмов на CPU . . . . . . . . . . . | 25 | |
| 5.3. | Анализрезультатов...................... | 26 | |
| 5.4. | Примеры работы построенного алгоритма . . . . . . . . . | 26 | |
3
| 6. Интеграция в продукт BelkaSoft Evidence Center X | 29 |
| Заключение | 30 |
| Список литературы | 32 |
4
Введение
Компьютерная криминалистика – это прикладная наука о раскрытии преступлений, связанных с компьютерной информацией, об исследо-вании цифровых доказательств, методах поиска, получения и закреп-ления таких доказательств. С развитием технологического прогресса компьютерная криминалистика оказывается все более востребованной, так как постоянно растет число различных цифровых носителей: пер-сональных компьютеров, смартфонов, систем видеонаблюдения, план-шетов и т.д.
Цифровые источники фотографий (камеры видеонаблюдения, веб-камеры, смартфоны, фотоаппараты) особо интересны криминалистам, так как с помощью этих изображений можно получить визуальную ин-формацию о совершенном преступлении. В частности, с помощью го-родских камер видеонаблюдения можно оперативно установить место-нахождение подозреваемого.
Данных с таких источников может быть очень много, и становится необходимым автоматизировать процесс обработки поступающих изоб-ражений. Выделим следующий ряд задач: автоматическое обнаружение лиц людей на фотографиях, кластеризация лиц, получение информа-ции о человеке (гендер и возраст). При этом успешное автоматическое определение пола человека по его фотографии существенно ускоряет процесс анализа имеющихся фотографий.
Фотографии, полученные с камер видеонаблюдения, смартфонов и других цифровых источников, в контексте решения криминалистиче-ских задач характеризуются особыми факторами (т.н. криминалисти-ческими факторами), которые значительно усложняют автоматизацию обработки и классификации фотографий. Подробно о криминалисти-ческих факторах будет рассказано в главе 2.1. Однако, большинство существующих алгоритмов гендерной классификации создавались для статичных, хорошо освещенных портретных фотографий, не обладаю-щих остальными криминалистическими факторами. Также кримина-листов интересует фактор скорости работы алгоритма
Характеристики курсовой работы
МАДИСписок файлов
Гендерная классификация лиц людей на фотографиях в сфере компьютерной криминалистики.doc
Tortuga
15 июня 2024 в 08:35
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
