Analisi dell'impatto delle foto segnaletiche nel riconoscimento di soggetti in scenari "unconstrained" mediante reti neurali profonde.

Facial recognition is a rapidly developing and widely applied aspect of biometric technologies. Its applications are broad, ranging from law enforcement to consumer applications. The recent advent of more powerful and affordable GPUs and the creation of massive face databases have drawn research attention primarily to the development of ever deeper neural networks designed for all aspects of facial recognition tasks, ranging from deactivation and preprocessing. to the representation and classification of the functionalities in the verification and identification solutions. However, despite these technologies, accurate and real-time facial recognition is still being tested, mainly due to the high computational cost combined with the use of deep convolution neural networks (DCNNs) and the need to balance accuracy requirements. both in traditional solutions and in deep neural networks. This survey will provide an analysis and comparison of cutting-edge modern technologies, their advantages and limitations. It seeks to provide comprehensive coverage of both deep and superficial solutions, as they are today, and highlights areas that require future development and enhancements. This thesis aims to facilitate the research of new techniques and the further development of specific methodologies by scientists and engineers, while providing an informative insight into the solutions currently available in industry, government and consumer contexts.

Il riconoscimento facciale è un aspetto in rapido sviluppo e ampiamente applicato alle tecnologie biometriche. Le sue applicazioni sono ampie, che vanno dalle forze dell’ordine alle applicazioni dei consumatori. Il recente avvento di GPU più potenti e convenienti e la creazione di enormi database di volti hanno attirato l’attenzione della ricerca principalmente sullo sviluppo di reti neurali sempre più profonde progettate per tutti gli aspetti delle attività di riconoscimento facciale, che vanno dalla disattivazione e preelaborazione alla rappresentazione e classificazione delle funzionalità nelle soluzioni di verifica e identificazione. Tuttavia, nonostante queste tecnologie, il riconoscimento facciale accurato e in tempo reale è ancora in fase di sperimentazione, principalmente a causa dell’elevato costo computazionale combinato all’uso delle reti neurali deep convoluzioni (DCNN) e dalla necessità di bilanciare i requisiti di precisione sia nelle soluzioni tradizionali che nelle reti neurali profonde. Questo sondaggio fornirà un’analisi e un confronto delle moderne tecnologie all’avanguardia, dei loro vantaggi e dei loro limiti. Cerca di fornire una copertura completa di soluzioni sia profonde che superficiali, così come sono oggi, ed evidenzia le aree che richiedono sviluppo e miglioramenti futuri. Questa tesi ha l’obiettivo di facilitare la ricerca di nuove tecniche e l’ulteriore sviluppo di metodologie specifiche da parte di scienziati e ingegneri, fornendo allo stesso tempo una visione informativa sulle soluzioni attualmente disponibili nell’industria, nel governo e nei contesti dei consumatori.