{rfName}
De

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

42

Altmetrics

Investigadores/as Institucionales

Ríos-Sánchez BAutor (correspondencia)Martín-Yuste NAutor o CoautorSanchez-Avila CAutor o Coautor

Compartir

18 de mayo de 2020
Publicaciones
>
Artículo
Bronze

Deep learning for face recognition on mobile devices

Publicado en: IET Biometrics. 9 (3): 109-117 - 2020-05-01 9(3), DOI: 10.1049/iet-bmt.2019.0093

Autores:

Rios-Sanchez, Belen; Costa-da Silva, David; Martin-Yuste, Natalia; Sanchez-Avila, Carmen
[+]

Afiliaciones

Grupo de Biometría, Bioseñales, Seguridad y Smart Mobility. Universidad Politécnica de Madrid - Autor o Coautor
Univ Politecn Madrid, Grp Biometr Biosignals & Secur, Edif CeDInt UPM,Campus Montegancedo - Autor o Coautor
Universidad Politécnica de Madrid - Autor o Coautor
Ver más

Resumen

© The Institution of Engineering and Technology 2020. Mobility implies a great variability of capturing conditions, which is not easy to control and directly affects to face detection and the extraction of facial features. Deep learning solutions seem to be the most interesting choice for automatic face recognition, but they are highly dependent on the model generated during the training stage. In addition, the size of the models makes it difficult for their integration into applications oriented to mobile devices, particularly when the model must be embedded. In this work, a small-size deep-learning model was trained for face recognition on low capacity devices and evaluated in terms of accuracy, size and timings to provide quantitative data. This evaluation is aimed to cover as many scenarios as possible, so different databases were employed, including public and private datasets specifically oriented to recreate the complexity of mobile scenarios. Also, publicly available models and traditional approaches were included in the evaluation to carry out a fair comparison. Moreover, given the relevance of template matching and face detection stages, the assessment is complemented with different classifiers and detectors. Finally, a JAVA-Android implementation of the system was developed and evaluated to obtain performance data of the whole system integrated on a mobile phone.
[+]

Palabras clave

Automatic face recognitionCapturing conditionsClassificationDeep learning solutionsFace detection stagesFace recognitionFacial featuresGreat variabilityInteresting choiceJavaLearning (artificial intelligence)Low capacity devicesMobile computingMobile devicesMobile phoneMobile scenariosPrivate datasetsPublic datasetsPublicly available modelsSmall-size deep-learning modelTemplate matchingTraining stage

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista IET Biometrics debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2020, se encontraba en la posición , consiguiendo con ello situarse como revista Q2 (Segundo Cuartil), en la categoría Signal Processing. Destacable, igualmente, el hecho de que la Revista está posicionada en el Cuartil Q3 para la agencia WoS (JCR) en la categoría Computer Science, Artificial Intelligence.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-07:

  • Google Scholar: 13
  • WoS: 12
  • Scopus: 16
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-07:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 54.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 54 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 3.

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/79163/

Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

  • Visualizaciones: 260
  • Descargas: 76
[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (RIOS SANCHEZ, BELEN) y Último Autor (SANCHEZ AVILA, MARIA DEL CARMEN).

el autor responsable de establecer las labores de correspondencia ha sido RIOS SANCHEZ, BELEN.

[+]