Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina

Página do item simplificado
dc.contributor.advisor1PINHEIRO, Daniel da Conceição
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2970581734279237pt_BR
dc.creatorSANTOS, Vagner Vieira dos
dc.date.accessioned2022-04-13T12:29:42Z
dc.date.available2022-04-13T12:29:42Z
dc.date.issued2022-01-31
dc.description.abstractThe work proposes studies in the field of machine learning for facial recognition. The implementation of a personal identification system is sought to compare information flows contained in datasets obtained from the processing of videos and photos of individuals as a mechanism for fraud prevention. Neural Networks technology is used to create embeddings (vector representation of facial features) of faces by extracting faces from photos. Thus, models previously trained in massive databases, such as OpenFace and Facenet, are used, as they are validated and demonstrate scientific results with a high rate of effectiveness. It is worth mentioning that the procedures were applied and compared with different classifiers such as Support Vector Machine (SVM), k-Nearest Neighbors (KNN) and Convolutional Neural Network (ConvNet). The acquired results were based on the comparison process between Python programming via Jupyter Notebook and Orange Software version 3.29.3. The tests carried out showed positive and promising results.pt_BR
dc.description.resumoO trabalho propõe estudos na área de aprendizado de máquina para reconhecimento facial. A implementação de um sistema de identificação pessoal visa comparar fluxos de informação contidos em conjuntos de dados obtidos a partir do processamento de vídeos e fotos de indivíduos como mecanismo de prevenção de fraudes. A tecnologia de redes neurais é usada para criar embeddings (representação vetorial de características faciais) de rostos, extraindo rostos de fotos. Assim, são utilizados modelos previamente treinados em bancos de dados massivos, como OpenFace e Facenet, pois são validados e demonstram resultados científicos com alto índice de eficácia. Vale ressaltar que os procedimentos foram aplicados e comparados com diferentes classificadores como Support Vector Machine (SVM), k-Nearest Neighbors (KNN) e Convolutional Neural Network (ConvNet). Os resultados adquiridos foram baseados no processo de comparação entre programação Python via Jupyter Notebook e Orange Software versão 3.29.3. Os testes realizados mostraram resultados positivos e promissores.pt_BR
dc.identifier.citationSANTOS, Vagner Vieira dos. Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina. Orientador: Daniel da Conceição Pinheiro. 2022. [12] f. Trabalho de Curso (Bacharelado em Engenharia da Computação) – Faculdade de Engenharia da Computação, Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2022. Disponível em: https://bdm.ufpa.br:8443/jspui/handle/prefix/3983. Acesso em:.pt_BR
dc.identifier.urihttps://bdm.ufpa.br/handle/prefix/3983
dc.languageporpt_BR
dc.rightsAcesso Abertopt_BR
dc.source.uriDisponível na Internet via Sagittapt_BR
dc.subjectAprendizado profundo ( Aprendizado do computador)pt_BR
dc.subjectRedes neurais convolucionaispt_BR
dc.subjectVisão por computadorpt_BR
dc.subjectReconhecimento facialpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.titleSistema de reconhecimento facial com base em técnicas de aprendizado de máquinapt_BR
dc.typeTrabalho de Curso - Graduação - Artigopt_BR

Arquivo(s)

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC_Artigo_SistemaReconhecimentoFacial.pdf
Tamanho:
1.22 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.84 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Aparece na Coleção

Faculdade de Engenharia da Computação - FECOMP/CAMTUC
Logo do RepositórioLogo do Repositório