Redes neuronales generativas adversarias para la transformación de atributos faciales en imágenes de mujeres desaparecidas y no localizadas

Abstract

Las fotografías son consideradas elementos importantes que acompañan a diversos procesos oficiales. En el caso de personas desaparecidas, permiten mostrar rasgos físicos que ayudan a ser identificadas con mayor facilidad. Sin embargo, muchas de ellas no son actualizadas con el paso del tiempo. En México, donde la violencia contra la mujer es una problemática constante y creciente, el tema de desapariciones es de vital importancia. Por ello, con el objetivo de generar imágenes artificiales de mujeres desaparecidas debido a que sus atributos faciales van cambiando con el tiempo, se propone aplicar un modelo de redes generativas antagónicas para producir este tipo de transformaciones. Lo anterior será desarrollado utilizando la metodología de reciente propuesta CRISP-ML(Q), especializada en el desarrollo de proyectos de aprendizaje automático. Para su ejecución, se encuentran algunas limitaciones para la obtención de imágenes, ya que se puede dar la situación de no encontrar una cantidad suficiente para el entrenamiento de las redes. O, inclusive, pudiera ser que contengan demasiado ruido o sean de baja calidad. Una restricción importante que se considera es el tiempo con que se cuenta para su culminación. También es relevante mencionar el valor que conlleva la investigación del presente trabajo: el estudio y aplicación de un modelo de aprendizaje profundo de reciente invención y muy poco analizado en el país. Además, probar su desempeño en un ambiente real, fuera de los conjuntos de imágenes públicas.