Reconhecimento facial utilizando transferência de aprendizado e redes neurais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorGavioli, Alan-
Autor(es): dc.contributorSobjak, Ricardo-
Autor(es): dc.creatorSilva, Julio Cesar Ribeiro-
Data de aceite: dc.date.accessioned2025-08-29T13:21:29Z-
Data de disponibilização: dc.date.available2025-08-29T13:21:29Z-
Data de envio: dc.date.issued2024-09-02-
Data de envio: dc.date.issued2024-09-02-
Data de envio: dc.date.issued2023-11-16-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/34634-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1111822-
Descrição: dc.descriptionIn recent decades, the field of machine learning has progressed rapidly due to increased research efforts and the emergence of new neural network architectures. This document aims to present an analysis of the performance of various convolutional neural networks trained using transfer learning, specifically focusing on their performance in tasks such as facial recognition and classification. To achieve this, publicly available datasets were combined with a set of data containing images of new individuals, which needed to be integrated with the existing datasets and identified individually. Five different architectures of convolutional neural networks were trained (VGG, DenseNet, Xception, ResNet, ResNext). Following the training process, the Grad-Cam algorithm was also employed to generate a heat map, with the purpose of examining how the networks extract features prior to classification.-
Descrição: dc.descriptionNas últimas décadas a área de aprendizado de máquina tem avançado rapidamente devido aumento nas pesquisas e o surgimento de novas arquiteturas de redes neurais. Esse documento tem como objetivo apresentar uma análise da performance de diferentes redes neurais convolucionais treinadas utilizando transferência de aprendizado e desempenhando a tarefa de reconhecimento facial e classificação. Para isso serão utilizadas bases públicas misturadas à um conjunto de dados com imagens de novos indivíduos que devem ser agrupados aos outros datasets e identificados individualmente. Foram treinadas cinco arquiteturas diferentes de redes neurais convolucionais (VGG, DenseNet, Xception, ResNet, ResNext). Após o treinamento, também foi utilizado o algoritmo Grad-Cam para gerar um mapa de calor com o objetivo de verificar como as redes estão realizando a extração de características antes da classificação.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectProcessamento de imagens - Técnicas digitais-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectImage processing - Digital techniques-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleReconhecimento facial utilizando transferência de aprendizado e redes neurais-
Título: dc.titleFacial recognition using transfer lerning and neural networks-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.