Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Oliva, Jefferson Tales | - |
Autor(es): dc.contributor | Casanova, Dalcimar | - |
Autor(es): dc.contributor | Teixeira, Marcelo | - |
Autor(es): dc.contributor | Oliva, Jefferson Tales | - |
Autor(es): dc.creator | Voltan, José Luiz Neves | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:20:23Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:20:23Z | - |
Data de envio: dc.date.issued | 2023-05-31 | - |
Data de envio: dc.date.issued | 2023-05-31 | - |
Data de envio: dc.date.issued | 2022-06-08 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/31501 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1093489 | - |
Descrição: dc.description | During the Coronavirus (COVID-19) pandemic, the use of protective masks proved to be an im- portant resource to reduce contamination between people. The mask is a non-pharmacological, low-cost resource, but with great impact. Even so, some people do not use it, or do it incorrectly, so identification and guidance in these cases is important. This work presents a proposal for the use of Convolutional Neural Networks (CNN) as a way to identify people who are using a protective mask correctly, incorrectly or are without a mask (3 labels). For training and testing, a dataset with artificially generated images was used. Two CNN architectures were proposed, generating 5 models each. These models, despite having a simple architecture, achieved an accuracy greater than 99% in the test set. The architectures presented can be used for access control in indoor environments, as a way of guaranteeing the correct use of the protection mask. | - |
Descrição: dc.description | Durante a pandemia do Coronavirus (COVID-19), o uso de máscaras de proteção se mostrou um importante recurso para frear a contaminação entre pessoas. A máscara é uma recurso não-farmacológico, de baixo custo, mas com grande impacto. Mesmo assim, algumas pessoas não a utilização, ou o fazem de forma incorreta, sendo assim importante a identificação e orientação nesses casos. O trabalho apresenta uma proposta de utilização de Redes Neurais Convolucionais (CNN) como forma de identificar pessoas que estão utilizando máscara de proteção corretamente, incorretamente ou estão sem a máscara (3 classes). Para treinamento e teste, utilizou-se um dataset com imagens geradas de forma artificial. Duas arquiteturas de CNN foram propostas e comparadas, gerando 5 modelos cada uma. Apesar dos modelos terem arquiteturas simples, obtiveram uma acurácia superior a 99% no conjunto de teste. As arquiteturas apresentadas pode ser utilizadas para o controle de acesso em ambientes fechados, como forma de se garantir o correto uso da máscara de proteção. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Dois Vizinhos | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Especialização em Ciência de Dados | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | https://creativecommons.org/licenses/by-sa/4.0/deed.pt_BR | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | COVID-19 (Doença) | - |
Palavras-chave: dc.subject | Máscara | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | COVID-19 (Disease) | - |
Palavras-chave: dc.subject | Gas masks | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | O emprego de redes neurais convolucionais na identificação de máscaras de proteção no contexto da COVID-19 | - |
Título: dc.title | The use of convolutional neural networks in the identification of protective masks in the context of COVID-19 | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: