Generating synthetic data for an assembly of police lineups
Vytváření umělých dat pro sestavování policejních fotorekognic
rigorózní práce (UZNÁNO)
![Náhled dokumentu](/bitstream/handle/20.500.11956/186895/thumbnail.png?sequence=6&isAllowed=y)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/186895Identifikátory
SIS: 259854
Kolekce
- Kvalifikační práce [10925]
Autor
Vedoucí práce
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Teoretická informatika
Katedra / ústav / klinika
Katedra teoretické informatiky a matematické logiky
Datum obhajoby
30. 10. 2023
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Uznáno
Klíčová slova (česky)
generativní modely|policejní fotorekognice|hluboké učení|GAN|generování obrázkůKlíčová slova (anglicky)
GAN|generative adversarial network|police lineup|deep learning|image generationFotorekognice hraje důležitou roli při policejním vyšetřování a může vést až ke stíhání a usvědčení podezřelé osoby. Během fotorekognice je svědkovi předložena sada fotografií a dále je tázán, jestli na některé z fotografií poznává pachatele. Tato sada fotografií typicky obsahuje nejvýše jednu fotografií podezřelého, často pak právě jednu takovou fotografii. Na ostatních fotografiích v sadě jsou pak vyobrazeny nevinné osoby, tzv. figuranti. Iden- tifikace podezřelého svědkem může vést až k obvinění a případně následnému usvědčení podezřelého. Sestavení fotorekognice je náročný a časově zdlouhavý proces, protože volba nevhod- ných figurantů může vést k určitému zkreslení a znatelně tak ovlivnit celý proces rekog- nice. Tohle zkreslení je obvykle způsobeno tím, že v případě figurantů, kteří jsou odlišní od podezřelého, dojde k situaci, kdy podezřelý bude znatelně vyčnívat a pro svědka tedy bude velmi snadné jej identifikovat. Zdlouhavost celého procesu je způsobena tím, že tvorba fotorekognice je z velké části prováděna manuálně, v lepším případě pak polo- automaticky. Tato práce se snaží řešit oba tyto problémy za pomocí navrhnutého modelu který bude schopný generovat umělé obrázky pro tvorbu fotorekognice a za pomocí aplikace, která uživateli na základě vstupního obrázku podezřelého vygeneruje vhodné...
Eyewitness identification plays an important role during criminal proceedings and may lead to prosecution and conviction of a suspect. One of the methods of eyewitness identification is a police photo lineup when a collection of photographs is presented to the witness in order to identify the perpetrator of the crime. In the lineup, there is typically at most one photograph (typically exactly one) of the suspect and the remaining photographs are the so-called fillers, i.e. photographs of innocent people. Positive identification of the suspect by the witness may result in charge or conviction of the suspect. Assembly of the lineup is a challenging and tedious problem, because the wrong selection of the fillers may end up in a biased lineup, where the suspect will stand out from the fillers and would be easily identifiable even by a highly uncertain witness. The reason why it is tedious is due to the fact that this process is still done manually or only semi-automatically. This thesis tries to solve both issues by proposing a model that will be capable of generating synthetic data, together with an application that will allow users to obtain the fillers for a given suspect's photograph. 1