Artigo

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

The 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....

ver descrição completa

Autor principal: SANTOS, Vagner Vieira dos
Grau: Artigo
Idioma: por
Publicado em: 2022
Assuntos:
Acesso em linha: https://bdm.ufpa.br:8443/jspui/handle/prefix/3983
id oai:https:--bdm.ufpa.br:8443:prefix-3983
recordtype dspace
spelling oai:https:--bdm.ufpa.br:8443:prefix-39832025-01-21T18:50:23Z Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina SANTOS, Vagner Vieira dos PINHEIRO, Daniel da Conceição http://lattes.cnpq.br/2970581734279237 Aprendizado profundo ( Aprendizado do computador) Redes neurais convolucionais Visão por computador Reconhecimento facial CNPQ::ENGENHARIAS The 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. O 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. 2022-04-13T12:29:42Z 2022-04-13T12:29:42Z 2022-01-31 Trabalho de Curso - Graduação - Artigo SANTOS, 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:. https://bdm.ufpa.br:8443/jspui/handle/prefix/3983 por Acesso Aberto Disponível na Internet via Sagitta
institution Biblioteca Digital de Monografias - UFPA
collection MonografiaUFPA
language por
topic Aprendizado profundo ( Aprendizado do computador)
Redes neurais convolucionais
Visão por computador
Reconhecimento facial
CNPQ::ENGENHARIAS
spellingShingle Aprendizado profundo ( Aprendizado do computador)
Redes neurais convolucionais
Visão por computador
Reconhecimento facial
CNPQ::ENGENHARIAS
SANTOS, Vagner Vieira dos
Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina
topic_facet Aprendizado profundo ( Aprendizado do computador)
Redes neurais convolucionais
Visão por computador
Reconhecimento facial
CNPQ::ENGENHARIAS
description The 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.
author_additional PINHEIRO, Daniel da Conceição
author_additionalStr PINHEIRO, Daniel da Conceição
format Artigo
author SANTOS, Vagner Vieira dos
title Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina
title_short Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina
title_full Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina
title_fullStr Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina
title_full_unstemmed Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina
title_sort sistema de reconhecimento facial com base em técnicas de aprendizado de máquina
publishDate 2022
url https://bdm.ufpa.br:8443/jspui/handle/prefix/3983
_version_ 1829093154678112256
score 11.753735