Publicação:
Estudo de um modelo de rede neural convolucional aplicado ao reconhecimento facial

Página do item simplificado
dc.contributor.advisor1Travençolo, Bruno Augusto Nassif
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2590427557264952pt_BR
dc.contributor.referee1Sousa, Daniela Justiniano de
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5608243780081192pt_BR
dc.contributor.referee2Saide, Saide Manuel
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3723734174774300pt_BR
dc.creatorAmorim, Enzo Lazzarini
dc.creator.Latteshttp://lattes.cnpq.br/2346031236879408pt_BR
dc.date.accessioned2026-09-03T16:31:42Z
dc.date.available2026-09-03T16:31:42Z
dc.date.issued2026-03-17
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoEste trabalho avalia uma arquitetura de Rede Neural Convolucional aplicada ao reconhecimento facial com base no modelo C1-C2-H. A configuração implementada mantém 16 e 36 mapas de características nas camadas convolucionais e compara camadas ocultas com 128, 256, 512 e 1024 neurônios no conjunto de dados Olivetti Faces. Para cada configuração, foram realizadas 50 execuções separadas, com novas partições estratificadas em 90% para treinamento e 10% para teste, treinamento por 20 épocas e lotes de 32 imagens. O desempenho foi descrito pela média e pelo desvio padrão das acurácias de teste. As configurações alcançaram, respectivamente, acurácias médias de 86,75%, 93,25%, 95,40% e 95,85%; a última apresentou desvio padrão de 2,77 pontos percentuais. A maior média permaneceu abaixo dos 97,5% de teste reportados pelo artigo de referência para a configuração equivalente. Diferenças de pré-processamento e de protocolo impedem, contudo, uma comparação experimental direta. Os resultados indicam que a configuração com 1024 neurônios obteve o melhor desempenho médio entre as alternativas avaliadas, mas as partições não pareadas, a seleção do modelo com os mesmos resultados usados em sua avaliação e as limitações do conjunto de dados restringem a generalização das conclusões.pt_BR
dc.identifier.citationAMORIM, Enzo Lazzarini. Estudo de um modelo de rede neural convolucional aplicado ao reconhecimento facial. 2026. 40 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2026.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/50063
dc.languageporpt_BR
dc.language.isopt_BRpt_BR
dc.orcid.putcode225746140
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.sizeorduration40pt_BR
dc.subjectReconhecimento facialpt_BR
dc.subjectFacial recognitionpt_BR
dc.subjectRedes neurais convolucionaispt_BR
dc.subjectConvolutional neural networkspt_BR
dc.subjectAprendizado profundopt_BR
dc.subjectDeep learningpt_BR
dc.subjectOlivetti Facespt_BR
dc.subjectOlivetti Facespt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOpt_BR
dc.titleEstudo de um modelo de rede neural convolucional aplicado ao reconhecimento facialpt_BR
dc.title.alternativeStudy of a convolutional neural network model applied to facial recognitionpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Estudo de um modelo de rede neural convolucional aplicado ao reconhecimento facial.pdf
Tamanho:
21.5 MB
Formato:
Adobe Portable Document Format
Descrição:
TCC
Baixar

Coleções

TCC - Ciência da Computação