Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufba.br/handle/ri/19384
metadata.dc.type: | Dissertação |
Título : | Uma abordagem deep learning para reconhecimento de expressões faciais. |
Autor : | Canário, João Paulo Pereira de Sá |
metadata.dc.creator: | Canário, João Paulo Pereira de Sá |
Resumen : | Expressões faciais são o resultado de mudanças na musculatura facial em resposta aos estados emocionais e tem um papel fundamental na interação das pessoas. A partir dos estudos iniciados por Darwin, Paul Ekman desenvolveu um estudo sugerindo a existência de sete expressões faciais básicas: alegria, tristeza, medo, nojo, desdém, surpresa e raiva, além da expressão neutra. Posteriormente, no intuito de mensurar o comportamento facial de forma mais aprofundada, Ekman desenvolveu um sistema para medição de todos os movimentos musculares faciais e suas intensidades, o Facial Action Coding System (FACS). O FACS permitiu um avanço em pesquisas de novos métodos para reconhecimento de expressões faciais aplicados nas mais diversas áreas, como educação, psicologia, interação homem-máquina, monitoração de comportamento, dentre outros. O presente trabalho sugere uma nova abordagem para reconhecimento de expressões faciais combinando mapas de saliência para destacar as partes da face que mais concentram as expressões faciais (conspicuidade) e uma rede neural de convolução. A análises mostraram que o sistema proposto alcançou uma precisão média na identificação das 7 (sete) expressões faciais básicas de 90% (noventa por cento) sobre o Extended Cohn-Kanade Data Set. Quando comparado com os trabalhos do estado-da-arte relacionados, o sistema mostrou uma precisão média superior a todos, além de superar, em termos absolutos, todos os trabalhos em 3 (três) das 7 (sete) expressões, demonstrando um resultado promissor. |
Palabras clave : | Rede Neural de Convolução Expressões Faciais Mapas de Saliência |
metadata.dc.subject.cnpq: | Ciência da Computação |
metadata.dc.publisher.country: | brasil |
metadata.dc.publisher.initials: | UFBA |
metadata.dc.publisher.program: | Mestrado Multiinstitucional em Ciência da Computação |
metadata.dc.rights: | Acesso Aberto |
URI : | http://repositorio.ufba.br/ri/handle/ri/19384 |
Fecha de publicación : | 3-jun-2016 |
Aparece en las colecciones: | Dissertação (PGCOMP) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
dissertação versão final.pdf_1 | 25,43 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.