Abordagem multiobjetivo para a seleção de features em representações profundas da íris.

Abstract

Sistemas Biométricos sofrem bastante com grande volume de informações e com a quantidade de dados que são utilizados para identificar ou verificar uma pessoa. Consequentemente a demanda por poder de processamento e tempo é maior. Com isso, é de fundamental importância selecionar somente as características mais relevantes para descrever a pessoa sem que o sistema perca seu poder de decisão. Portanto, para resolver esse problema nesse trabalho propõe-se uma otimização multi-objetivo com os algoritmos NSGA-II e R-NSGA-II sobre as características extraídas das imagens da competição NICE.II. O foco desta monografia é minimizar a quantidade de características selecionadas e maximizar a decidibilidade (métrica utilizada na literatura para medir o poder de decisão de um sistema) utilizando como métricas de avaliação da otimização o Equal Error Rate (EER) e o Hiper-volume. Ao final deste trabalho, obteve-se uma decidibilidade maior e uma redução na quantidade de características selecionadas para ambos os algoritmos genéticos quando comparado ao uso de todas as características. Quando se compara o desempenho dos dois algoritmos, o R-NSGA-II foi levemente superior ao NSGA-II devido sua natureza de possuir um ponto de referência fornecido pelo programador durante a otimização.