Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/28614| ORCID: |  http://orcid.org/0000-0003-3605-6877 |
| Tipo do documento: | Trabalho de Conclusão de Curso |
| Tipo de acesso: | Acesso Aberto |
| Título: | Comparativo de algoritmos clássicos de aprendizado de máquina em um problema de reconhecimento de faces |
| Título(s) alternativo(s): | Comparison of classical machine learning algorithms in a face recognition problem |
| Autor(es): | Mendes, Kreisler Brenner |
| Primeiro orientador: | Pantaleão, Eliana |
| Primeiro membro da banca: | Amaral, Laurence Rodrigues do |
| Segundo membro da banca: | Bertarini, Pedro Luiz Lima |
| Resumo: | Com o aumento da disponibilidade de dados de faces, o aprendizado de máquina se torna uma ferramenta bastante relevante para a identificação de pessoas em diversas aplicações. Este trabalho busca avaliar o uso de algoritmos tradicionais de aprendizado de máquina sobre características extraídas de imagens de faces, com o intuito de realizar seu reconhecimento. As características escolhidas são baseadas na análise de componentes principais (PCA) que representam cada face como um vetor n-dimensional, sendo n menor que o tamanho da imagem em si. Os algoritmos avaliados são classificadores por distância, árvores de decisão, máquinas de vetores de suporte e redes neurais artificiais, que foram avaliados em suas diversas parametrizações. Os melhores resultados quanto à acurácia foram obtidos pelos modelos de máquina de vetores de suporte e redes neurais artificiais (99%), sendo que o último apresentou maior acurácia (97%) quando o mesmo modelo foi testado em um novo banco de dados. |
| Abstract: | With the increased availability of face data, machine learning becomes a very relevant tool for identify people in various applications. This work aims to evaluate the use of traditional machine learning algorithms on features extracted from face images, in order to perform their recognition. The extracted features are based on the Principal Component Analysis (PCA), that represent each face as a n-dimensional vector, where n is less than the image size. The evaluated algorithms are distance classifiers, decision trees, support vector machines and neural networks, which were evaluated in their different parametrizations. The best accuracy results were obtained by the support vector machine and artificial neural networks models (99%), with the latter presenting the highest accuracy (97%) when the same model was tested in a new database. |
| Palavras-chave: | Reconhecimento facial Face recognition Aprendizagem de máquina Machine learning Análise de componentes principais Principal component analysis Árvores de decisão Decision tree Máquina de vetores de suporte Support vector machine Rede neural artificial Artificial neural network |
| Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::ENGENHARIAS |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Referência: | MENDES, Kreisler Brenner. Comparativo de algoritmos clássicos de aprendizado de máquina em um problema de reconhecimento de faces. 2019. 70 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica e de Telecomunicações) – Universidade Federal de Uberlândia, Patos de Minas, 2020. |
| URI: | https://repositorio.ufu.br/handle/123456789/28614 |
| Data de defesa: | 6-Dez-2019 |
| Aparece nas coleções: | TCC - Engenharia Eletrônica e de Telecomunicações (Patos de Minas) |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| ComparativoAlgoritmosClássicos .pdf | TCC | 2.84 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
