CAMTUC - Campus Universitário de Tucuruí
URI Permanente desta comunidade
Campus de Tucuruí /
Bibliotecária: Mayara de Kassia Pinheiro Menezes
Whatsapp: (94) 98199-9226
E-mail: bibliocamtuc@ufpa.br
Facebook: https://www.facebook.com/bibcamtuc/
Instagram: https://www.instagram.com/bcamtuc/
Navegar
Navegando CAMTUC - Campus Universitário de Tucuruí por Tipo de Documento "Trabalho de Curso"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Trabalho de Curso Acesso aberto (Open Access) Identificação de artefatos visuais em faces sintéticas por meio de transfer learning e IA explicável: uma abordagem investigativa com ResNet50 e Grad-CAM(0026-06-14) CANTÃO, Camily Furtado; MEDEIROS, Iago Lins de; http://lattes.cnpq.br/7024608706674939; https://orcid.org/0000-0003-4758-0519O desenvolvimento acelerado das tecnologias de Inteligência Artificial generativa levou à criação de conteúdos sintéticos hiper-realistas amplamente acessíveis, consolidando os deepfakes como uma ameaça concreta à integridade da informação, à privacidade e à segurança cibernética. Este trabalho investiga o uso de Visão Computacional e Inteligência Artificial Explicável (XAI) para identificar características visuais e artefatos estruturais associados a imagens faciais geradas por IA. Para isso, foi estruturado um pipeline metodológico composto por três macroetapas: a curadoria de um conjunto de dados balanceado contendo 10.000 imagens faciais reais e sintéticas, gerenciado pela plataforma Roboflow; o treinamento de um classificador binário baseado na arquitetura ResNet50 utilizando a técnica de Aprendizado por Transferência (Transfer Learning), executado na plataforma Kaggle com suporte de GPU NVIDIA Tesla T4; e a aplicação do algoritmo Grad-CAM (Gradient-weighted Class Activation Mapping) para gerar mapas de calor que evidenciam as regiões determinantes para as decisões do modelo. Como estudo exploratório preliminar, foi conduzido um experimento com a arquitetura YOLOv8, que revelou alto custo computacional e ausência de mecanismos nativos de interpretabilidade espacial, motivando a adoção da ResNet50 como principal ferramenta metodológica. O classificador final alcançou uma acurácia de 92,30%, um F1-Score de 92,29% e uma AUC-ROC de 0,9758, sem viés significativo entre as classes. Os mapas de calor gerados pelo Grad-CAM revelaram que o modelo direcionou sua atenção, de forma anatomicamente coerente, para a região central da face especificamente os olhos, o nariz e a boca nas imagens sintéticas, regiões consistentes com os artefatos de fusão facial descritos na literatura forense. Os resultados demonstram que a combinação entre Visão Computacional e XAI oferece não apenas elevada capacidade discriminativa, mas também a transparência e a auditabilidade indispensáveis para aplicações de perícia digital, superando as limitações operacionais de modelos puramente classificatórios.Trabalho de Curso Acesso aberto (Open Access) Sistema de telemetria veicular baseado em ESP32 e plataforma web full stack integrada(2026-02-06) DUARTE, Williams David Estumano; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237Este trabalho apresenta o desenvolvimento de um sistema completo de telemetria veicular, composto por um dispositivo físico embarcado e uma plataforma web de gerenciamento. O sistema tem como objetivo monitorar o comportamento de motoristas e veículos em tempo real, registrando trajetos, velocidades e ocorrências de infrações, além de emitir alertas sonoros em caso de excesso de velocidade. O dispositivo foi desenvolvido com o microcontrolador ESP32 em conjunto com o ESP8266 e diversos módulos de comunicação e sensoriamento, enquanto a plataforma foi construída utilizando React, Node.js e banco de dados PostgreSQL. O sistema proposto visa oferecer uma solução eficiente para empresas que buscam aumentar a segurança de suas frotas e otimizar o controle de trajetos e condutas de motoristas.