@PHDTHESIS{ 2023:849737872,
 	title = {Uma Abordagem Multi-Nível Baseada em Redes Neurais Convolucionais para Redução do Viés Algorítmico na Localização de Pontos Faciais},
 	year = {2023},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/5108",
 	abstract = "A localização de pontos de referência facial é uma desafiadora tarefa no contexto
 da Visão Computacional cujo resultado é aproveitado em diversas aplicações faciais
 de alto-nível. Para a solução desse problema, modelos baseados em redes neurais
 convolucionais já atingem níveis de desempenho próximos à anotação humana. O
 principal critério adotado para a avaliação de desempenho desses modelos é a média
 da distância ponto-a-ponto, considerando a totalidade de um dataset, entre a anotação
 de um especialista e o valor estimado. Contudo, estudos recentes lançaram luz sobre
 um problema ainda pouco explorado na avaliação desses modelos relativos a aplica-
 ções faciais. Ele consiste na existência de significativas diferenças de desempenho
 dos modelos de análise facial quando avaliados os resultados entre diferentes grupos
 demográficos. Isso caracteriza um viés algorítmico que pode levar a uma discriminação
 ou favorecimento na análise de um grupo em relação aos outros. Este trabalho propõe
 uma abordagem de localização de pontos faciais que visa a redução das diferenças de
 desempenho entre grupos demograficamente distintos. A abordagem concentra-se em
 uma estratégia multi-nível baseada em redes neurais convolucionais para modelagem
 dos atributos faciais. O nível de cima é composto por um modelo de regressão de coor-
 denadas para detecção de subunidades da face. O nível de baixo utiliza as respostas
 de detecção para modelar a localização de cada ponto que compõe a subunidade
 correspondente. Os modelos foram treinados a partir dos datasets Helen, LFPW, AFW,
 e 300W desbalanceados com respeito a indivíduos com problemas neurológicos, e
 aplicados ao Toronto Neuroface, balanceado com portadores de ELA (Esclerose Lateral
 Amiotrófica), sobreviventes de derrame, e um grupo de controle. A comparação com
 o estado da arte de localização de pontos faciais revelou dois avanços significativos:
 a aplicação dos modelos do nível de baixo isolados e em condições de detecção de
 subunidades ideal foi capaz de reduzir as diferenças de desempenho entre todos os
 grupos, além de reduzir significativamente o erro geral; e a aplicação da abordagem
 multi-nível reduziu as diferenças de desempenho entre os grupos de controle e portado-
 res de ELA a níveis insignificantes, além de manter os resultados gerais comparáveis
 ao estado da arte. A abordagem demonstrou ser capaz de atenuar o viés algorítmico
 presente em modelos preditivos gerados a partir de um dataset desbalanceado.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO DOUTORADO EM CIÊNCIA DA COMPUTAÇÃO},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}