Logo do repositório
  • Português do Brasil
  • English
  • Español
  • Français
  • Entrar
    Novo usuário? Clique aqui para cadastrar. Esqueceu sua senha?
Logo do repositório
  • Tudo na BDM
  • Documentos
  • Contato
  • Português do Brasil
  • English
  • Español
  • Français
  • Entrar
    Novo usuário? Clique aqui para cadastrar. Esqueceu sua senha?
  1. Início
  2. Pesquisar por Assunto

Navegando por Assunto "Computer Vision"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
  • Carregando...
    Imagem de Miniatura
    Trabalho de Curso - Graduação - MonografiaAcesso aberto (Open Access)
    Uma revisão sistemática sobre estudos de detecção de expressões faciais a partir do emprego de modelos de inteligência artificial
    (2022-07-15) MEDEIROS, Alana Miranda; PIRES, Yomara Pinheiro; http://lattes.cnpq.br/5304797342599931
    A compreensão de emoções é uma das grandes capacidades adquiridas pelos seres humanos, pois permite o entendimento de expressões faciais que facilitam a captura de informações importantes sobre outros indivíduos, as quais são utilizadas para a percepção de estados mentais ou emocionais. Os avanços na área de Inteligência Artificial (IA), mais especificamente em Aprendizado Profundo com o advento das Redes Neurais Artificiais (RNA), possibilitaram às máquinas a capacidade de inferir emoções humanas através de análise de imagens. Dentro deste contexto, esse estudo propõe uma Revisão Sistemática da Literatura com o intuito de explorar as diversas técnicas e algoritmos baseados em Inteligência Artificial para o reconhecimento de emoções pela detecção de expressões faciais. A iniciativa faz parte do projeto WHOT (Women’s Health Observer Tool) 2.0, que propõe uma otimização no módulo de inferência de emoções da ferramenta, cuja finalidade é identificar, por meio da combinação de reconhecimento de expressões faciais e entrevista com questionário digital, padrões psicocomportamentais denotadores de violência em mulheres. Os resultados sugerem que usos de base de dados com imagens controladas em laboratório, combinadas com Redes Neurais Convolucionais (CNN's) como VVG e RESnet, têm excelentes desempenhos em seus testes.
Logo do RepositórioLogo do Repositório
Nossas Redes:

DSpace software copyright © 2002-2025 LYRASIS

  • Configurações de Cookies
  • Política de Privacidade
  • Termos de Uso
  • Enviar uma Sugestão
Brasão UFPA