Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos

Autores
Ortiz de Zárate, Juan Manuel
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión publicada
Colaborador/a o director/a de tesis
Fernández Slezak, Diego
Romano, Sergio Gastón
Descripción
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 Zárate, Juan Manuel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
Materia
MACHINE LEARNING
KINSHIP VERIFICATION
SIBLINGS
PCA
BOOSTED CASCADE
K-NEAREST-NEIGHBORS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
Repositorio
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
seminario:seminario_nCOM000467_OrtizdeZarate
Acceder
id BDUBAFCEN_1b8e2813f48d2c9bba2975bf24173e73
oai_identifier_str seminario:seminario_nCOM000467_OrtizdeZarate
network_acronym_str BDUBAFCEN
repository_id_str 1896
network_name_str Biblioteca Digital (UBA-FCEN)
spelling Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotosOrtiz de Zárate, Juan ManuelMACHINE LEARNINGKINSHIP VERIFICATIONSIBLINGSPCABOOSTED CASCADEK-NEAREST-NEIGHBORSLa 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 Zárate, Juan Manuel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesFernández Slezak, DiegoRomano, Sergio Gastón2017-03-14info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttps://hdl.handle.net/20.500.12110/seminario_nCOM000467_OrtizdeZaratespainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-10-23T11:19:03Zseminario:seminario_nCOM000467_OrtizdeZarateInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-10-23 11:19:04.06Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse
dc.title.none.fl_str_mv Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos
title Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos
spellingShingle Reconocimiento de parentescos de consanguinidad de primer grado a través del análisis automático de fotos
Ortiz de Zárate, Juan Manuel
MACHINE LEARNING
KINSHIP VERIFICATION
SIBLINGS
PCA
BOOSTED CASCADE
K-NEAREST-NEIGHBORS
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
dc.creator.none.fl_str_mv Ortiz de Zárate, Juan Manuel
author Ortiz de Zárate, Juan Manuel
author_facet Ortiz de Zárate, Juan Manuel
author_role author
dc.contributor.none.fl_str_mv Fernández Slezak, Diego
Romano, Sergio Gastón
dc.subject.none.fl_str_mv MACHINE LEARNING
KINSHIP VERIFICATION
SIBLINGS
PCA
BOOSTED CASCADE
K-NEAREST-NEIGHBORS
topic MACHINE LEARNING
KINSHIP VERIFICATION
SIBLINGS
PCA
BOOSTED CASCADE
K-NEAREST-NEIGHBORS
dc.description.none.fl_txt_mv 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 Zárate, Juan Manuel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
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.
publishDate 2017
dc.date.none.fl_str_mv 2017-03-14
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12110/seminario_nCOM000467_OrtizdeZarate
url https://hdl.handle.net/20.500.12110/seminario_nCOM000467_OrtizdeZarate
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
dc.source.none.fl_str_mv reponame:Biblioteca Digital (UBA-FCEN)
instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron:UBA-FCEN
reponame_str Biblioteca Digital (UBA-FCEN)
collection Biblioteca Digital (UBA-FCEN)
instname_str Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron_str UBA-FCEN
institution UBA-FCEN
repository.name.fl_str_mv Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
repository.mail.fl_str_mv ana@bl.fcen.uba.ar
_version_ 1846784894710054912
score 12.982451

Publicaciones similares