| Summary: | Submitted by Marta Toyoda (1144061@mackenzie.br) on 2018-02-26T19:51:31Z
No. of bitstreams: 2
HAMILTON DE MATOS.pdf: 25340069 bytes, checksum: 42b3c3c262d4682b8240b3cc157a63b8 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) === Approved for entry into archive by Paola Damato (repositorio@mackenzie.br) on 2018-04-28T16:04:20Z (GMT) No. of bitstreams: 2
HAMILTON DE MATOS.pdf: 25340069 bytes, checksum: 42b3c3c262d4682b8240b3cc157a63b8 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) === Made available in DSpace on 2018-04-28T16:04:20Z (GMT). No. of bitstreams: 2
HAMILTON DE MATOS.pdf: 25340069 bytes, checksum: 42b3c3c262d4682b8240b3cc157a63b8 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Previous issue date: 2017-08-07 === This research aims to establish a methodology for the creation of a convolutional neural
network in situations where there is a reduced number of data for training. The scenario
adopted is the identi_cation of facial expressions in images and their respective emotions.
Through the validation of the proposed method, in addition to the availability of the methodology
itself, a public access interface is also available for providing information about the
emotions detected in an image. In this context, human behavior studies such as Paul Ekman's
analysis and definitions of universal emotions are used. Diferent techniques of computer
vision and machine learning with convolutional neural networks were used to create the software.
The aim of this work is to verify the possibility of real-time analysis, aiming to provide
data in situations in which feedback can be fundamental for making certain decisions (eg in
reactions in statements, for example). Even on a reduced training data set, it was possible
to achieve an average final test accuracy of 65 % with an average training time of ten minutes. === Esta pesquisa tem como objetivo estabelecer uma metodologia para a criação de uma rede
neural convolucional em situações em que exista um número reduzido de dados para treinamento.
O cenário adotado é o de identificação de expressões faciais em imagens e suas
respectivas emoções. Por meio da validação do método proposto, além da disponibilização
da própria metodologia, também é disponibilizada uma interface de acesso público que apresenta
informações a respeito das emoções detectadas em uma imagem. Neste contexto, são
utilizados estudos de comportamento humano como a análise feita por Paul Ekman e as definições de emoções universais. Para criação do software, foram utilizadas diferentes técnicas
de visão computacional e técnicas de aprendizagem de máquina com redes neurais convolucionais.
Pretende-se, com este trabalho, verificar a possibilidade de leituras em tempo real,
tendo como objetivo fornecer dados em situações nas quais os feedbacks podem ser fundamentais
para a tomada de determinadas decisões (como em reações em depoimentos, por
exemplo). Como resultados mesmo sobre um conjunto de dados de treinamento reduzido,
foi possível conseguir uma acurácia de teste final média de 65% com tempo médio de treinamento
de dez minutos.
|
|---|
