Tese

Skin Tone Classification of Human Faces using the MST Scale (2025)

• Authors:
  • Matias, Vitor Pereira
  • Batista Neto, João do Espírito Santo (Orientador)
• Autor USP: MATIAS, VITOR PEREIRA - ICMC
• Unidade: ICMC
• Sigla do Departamento: SCC
• DOI: 10.11606/D.55.2025.tde-27082025-203858
• Subjects: APRENDIZADO COMPUTACIONAL; VISÃO COMPUTACIONAL; PERCEPÇÃO DA FACE; PROCESSAMENTO DE IMAGENS
• Keywords: Classificação; Classification; Computer vision; Criação de Datasets; Dataset creation; Deep learning; Skin tone; Tons de Pele
• Agências de fomento:
  • Financiamento CAPES
  • Financiamento Chinese Academy of Sciences’ Institute of Automation
  • Financiamento Chinese Academy of Sciences’ Institute of Automation
• Language: Inglês
• Abstract: O tom de pele é um atributo importante para criação de algoritmos de visão computacional (CV) mais justos, frequentemente aproximado por etnia. Hoje em dia, é comum que algoritmos de CV precisem de massivas quantidades de dados. No entanto, para classificar tons de pele os benchmarks existentes carecem de diversidade, e os conjuntos de dados disponíveis são limitados em tamanho, acessibilidade e na escala de anotação de tom de pele (com ≤6 classes). Nesse trabalho, apresentamos um conjunto de dados com 42.313 imagens faciais de 3.564 identidades, provenientes de bases públicas (por exemplo, CASIAWebFace, CASIA Face-África, LFW) e anotadas usando a escala Monk Skin Tone (MST) de 10 classes. Com esse conjunto avaliamos dois pipelines de classificação: SkinToneCCV, uma abordagem clássica em pré-processamento e descritores manuais, e SkinToneNet, uma CNN (Rede Neural Convolucional). A avaliação abrange uma divisão de dados em nível de imagem e em nível de indivíduos, também mostramos a generalização do modelo para conjuntos de dados fora do nosso domínio. Quatro funções de perda foram testadas: Entropia Cruzada, Entropia Cruzada Ponderada, Entropia Cruzada Ordinal (OCE) e OCE Ponderada, estas mostraram que a DenseNet121 com OCE oferece o melhor equilíbrio entre acurácia e consistência ordinal. O SkinToneNet supera significativamente o SkinToneCCV, com a DenseNet121 alcançando 93,2% de acurácia ponderada off-by-one na divisão em nível de identidade. Esses resultadosestabelecem uma linha de base robusta baseada e demonstram a eficácia da consistência ordinal para predição de tom de pele.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2025
• Data da defesa: 13.06.2025

Informações sobre o DOI: 10.11606/D.55.2025.tde-27082025-203858 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  MATIAS, Vitor Pereira. Skin Tone Classification of Human Faces using the MST Scale. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27082025-203858/. Acesso em: 03 jan. 2026.

• APA

  Matias, V. P. (2025). Skin Tone Classification of Human Faces using the MST Scale (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27082025-203858/

• NLM

  Matias VP. Skin Tone Classification of Human Faces using the MST Scale [Internet]. 2025 ;[citado 2026 jan. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27082025-203858/

• Vancouver

  Matias VP. Skin Tone Classification of Human Faces using the MST Scale [Internet]. 2025 ;[citado 2026 jan. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-27082025-203858/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Enhancing fairness in machine learning: skin tone classification using the monk skin tone scale