Riconoscimento automatico delle parentela. Tecniche di machine learning e deep learning per affrontare la sfida della visual kinship verification. = Automatic kinship recognition. Machine learning and deep learning techniques to face the visual kinship verification challenge.

L'analisi facciale è da sempre un'importante materia di studio nell'ambito della Computer Vision. La Visual Kinship Verification è un'area di ricerca relativamente nuova, che si pone come obiettivo quello di verificare automaticamente l'eventuale esistenza di un legame di parentela tra due persone, partendo dall'analisi delle immagini dei loro volti. La Northeastern University di Boston, dal 2017, organizza ogni anno la RFIW Challenge (Recognizing Families in the Wild), una competizione nata con l'intento di spingere i ricercatori a sfruttare le nuove tecniche di apprendimento data-driven nell'ambito del riconoscimento delle parentele, grazie all'introduzione del Families In The Wild (FIW) Database, il più grande e completo database in questo campo. In questa tesi vengono proposte due differenti soluzioni per riconoscere le parentele all'interno del suddetto dataset: la prima basata sull'estrazione di vettori di caratteristiche da reti pre-allenate, mentre la seconda sul finetuning delle stesse reti. Nello specifico sono state utilizzate come reti neurali di base due differenti versioni della rete VggFace: Vgg-16 e Resnet-50. Entrambe le reti sono state pre-allenate per risolvere problemi di riconoscimento facciale, ossia per identificare o verificare l'identità di una persona a partire da una o più immagini che la ritraggono.