Número do Painel | |
Autor | |
Instituição | UFSC |
Tipo de Bolsa | BIPI/UFSC |
Orientador | ELIANE POZZEBON |
Depto | DEPARTAMENTO DE COMPUTAÇÃO / DEC/CTS/ARA / DEC/CTS/ARA |
Centro | CENTRO CIÊNCIAS,TECNOLOGIAS E SAÚDE |
Laboratório | Laboratório de Tecnologias Computacionais - LabTec |
Grande Área / Área do Conhecimento | Ciências Exatas e da Terra
/Ciências Exatas e da Terra |
Sub-área do Conhecimento | Ciência da Computação |
Titulo | Plano de trabalho - Bolsista |
Resumo | Este projeto teve como objetivo principal o desenvolvimento de um program capaz de detectar e reconhecer expressões faciais em tempo real para grupos de pessoas. Para isso, foi implementado um modelo de Rede Neural Convolucional (CNN) baseado na arquitetura da rede MobileNetV2, com o intuito de classificar sete emoções universais: i. neutro, ii. feliz, iii. triste, iv. raiva, v. medo, vi. surpreso, e vii. nojo. O modelo foi treinado e avaliado utilizando o dataset FER2013, que contém 35.887 imagens de rostos humanos em tons de cinza, com dimensões de 48x48 pixels. O programa foi elaborado utilizando a linguagem de programação Python, e as bibliotecas OpenCV e face-recognition para a detecção e reconhecimento facial, e a biblioteca TensorFlow para treinamento e avaliação do modelo. O treinamento foi da CNN foi realizado em um computador com processador Intel Core i7-11700H, 40 GB de memória RAM, e placa de vídeo NVIDIA GeForce RTX 4070 com 8 GB de memória dedicada, e foi aplicado em um ambiente controlado com diversos grupos de pessoas no Laboratório de Tecnologias Computacionais (LabTeC) da Universidade Federal de Santa Catarina (UFSC) - Campus Araranguá. O modelo foi avaliado utilizando a métrica de acurácia, e obteve um resultado de 95% de acurácia no conjunto de avaliação. Embora os resultados obtidos tenham sido satisfatórios, o modelo desenvolvido apresenta algumas limitações operacionais. A principal limitação está relacionada com a posição das faces em relação à câmera utilizada para captura das imagens, sendo necessário que as faces estejam posicionadas de frente para a câmera. Além disso, a distância entre a câmera e as faces está limitada à resolução da câmera utilizada. |
Link do Video | https://repositorio.ufsc.br/handle/123456789/250969 |
Palavras-chave | Reconhecimento Emoções, Expressões Faciais, Inteligência Artificial, Redes Neurais |
Colaboradores |