Tipo:	Trabalho de Conclusão de Curso
Título:	Reconhecimento facial para detecção de emoções utilizando redes neurais convolucionais com tensorflow
Autor(es):	Ferreira, Michael Henrique Souza
Primeiro Orientador:	Martins, Rafael Leal
metadata.dc.contributor.referee1:	Abadia, Fernando Gonçalves
metadata.dc.contributor.referee2:	Vinhal, Gustavo Siqueira
Resumo:	Esta pesquisa tem como objetivo levantar e validar metodologias para o desenvolvimento e criação de redes neurais convolucionais capazes de identificar emoções com o uso de imagens. O cenário adotado é o de identificação de expressões faciais em imagens e suas respectivas emoções. Neste contexto, são utilizados estudos de comportamento humano sobre a definição de emoções universais, com base na análise proposta por Paul Ekman. Para o reconhecimento das emoções, foram utilizadas diferentes técnicas de visão computacional e técnicas de aprendizagem de máquina com redes neurais convulsionais. Foram utilizadas ferramentas como o TensorFlow e a API do Keras para desenvolver de maneira diligente e precisa as redes neurais convolucionais. Pretende-se, com esse trabalho, verificar a capacidade das redes neurais em reconhecer emoções e quão precisos são as predições feitas por elas. Como resultados busca-se encontrar uma melhor arquitetura que possa reconhecer emoções, foi possível conseguir uma comparação satisfatório da acurácia apresentada por cada um dos modelos de redes neurais convolucionais adotados.
Palavras-chave:	Expressões faciais Emoções Emoções universais Redes neurais convolucionais TensorFlow
CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Idioma:	por
País:	Brasil
Editor:	Pontifícia Universidade Católica de Goiás
Sigla da Instituição:	PUC Goiás
metadata.dc.publisher.department:	Escola Politécnica
Tipo de Acesso:	Acesso Aberto
URI:	https://repositorio.pucgoias.edu.br/jspui/handle/123456789/3704
Data do documento:	10-Dez-2021
Aparece nas coleções:	TCC Engenharia de Computação

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.