Identificação de cédulas falsas utilizando aprendizado profundo

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSpanhol, Fabio Alexandre-
Autor(es): dc.contributorSpanhol, Fabio Alexandre-
Autor(es): dc.contributorJeronymo, Daniel Cavalcanti-
Autor(es): dc.contributorPaetzold, Gustavo Henrique-
Autor(es): dc.contributorEnsina, Leandro Augusto-
Autor(es): dc.creatorGóes, Vinícius Alves-
Data de aceite: dc.date.accessioned2025-08-29T13:13:04Z-
Data de disponibilização: dc.date.available2025-08-29T13:13:04Z-
Data de envio: dc.date.issued2025-05-15-
Data de envio: dc.date.issued2025-05-15-
Data de envio: dc.date.issued2023-12-03-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/36814-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1109346-
Descrição: dc.descriptionThe spread of counterfeit currency has become a pressing concern for authorities worldwide, as such practices have a detrimental impact on the economy and result in significant financial losses. Furthermore, the advancement of modern technologies has made the production of forgeries more accessible. In the face of this scenario, the primary objective of this research is to develop a deep learning model for the classification of counterfeit banknotes, using a set of images representing these notes as input. The adopted methodological approach involves the use of a database comprising images of Colombian peso banknotes, followed by a preprocessing step. Subsequently, classification models were developed employing convolution neural networks. After implementation, the models were evaluated. The results demonstrate that the implemented models achieved highly satisfactory performance in the task of distinguishing between counterfeit and authentic notes, with final accuracy of 100%.-
Descrição: dc.descriptionA disseminação de notas falsas tem se tornado uma preocupação premente para as autoridades em todo o mundo, uma vez que tal prática afeta negativamente a economia e acarreta prejuízos financeiros significativos. Além disso, o avanço das tecnologias modernas tem tornado a produção de falsificações mais acessível. Diante desse cenário, o objetivo primordial desta pesquisa consiste em desenvolver um modelo de aprendizado profundo para a classificação de cédulas monetárias falsas, empregando como entrada um conjunto de imagens que representam essas cédulas. A abordagem metodológica adotada envolve a utilização de uma base de dados composta por imagens das cédulas de pesos colombianos, seguida por uma etapa de pré-processamento dessas imagens. Posteriormente, foram desenvolvidos modelos de classificação empregando o algoritmo de redes neurais convolucionais. Após a implementação os modelos foram avaliados. Os resultados demonstram que os modelos implementados alcançaram um desempenho bastante satisfatório na tarefa de distinguir entre notas falsas e autênticas, com acurácia final de 100%.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherToledo-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia de Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightsAttribution 4.0 International-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectCédulas-
Palavras-chave: dc.subjectFalsificações e contrafação-
Palavras-chave: dc.subjectProcessamento de imagens — Técnicas digitais-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectBank notes-
Palavras-chave: dc.subjectCounterfeits and counterfeiting-
Palavras-chave: dc.subjectImage processing—Digital techniques-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS-
Título: dc.titleIdentificação de cédulas falsas utilizando aprendizado profundo-
Título: dc.titleIdentification of counterfeit banknotes using deep learning-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.