1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Engenharia Mecânica (FEMEC)
  3. TCC - Engenharia Mecatrônica
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufu.br/handle/123456789/46186
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.creatorPereira, Eric Mendes-
dc.date.accessioned2025-06-18T15:19:28Z-
dc.date.available2025-06-18T15:19:28Z-
dc.date.issued2025-05-08-
dc.identifier.citationPEREIRA, Eric Mendes. Investigação de uma abordagem da arquitetura CapsNet para detecção de Microexpressões. 2025. 47 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) - Universidade Federal de Uberlândia, Uberlândia, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/46186-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectMicroexpressõespt_BR
dc.subjectAumento de Dadospt_BR
dc.subjectCapsNetpt_BR
dc.subjectReconhecimento de Mcriexpressões Faciaispt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectRedes Neuraispt_BR
dc.titleInvestigação de uma abordagem da arquitetura capsnet para detecção de microexpressõespt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Nascimento, Marcelo Zanchetta do-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5800175874658088pt_BR
dc.contributor.referee1Gabriel, Paulo Henrique Ribeiro-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3181954061121790pt_BR
dc.contributor.referee2Ribeiro, Thiago Pirola-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8887726177714522pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoAs emoções básicas são fundamentais na comunicação não-verbal humana e através delas é possível identificar os estados de alegria, medo, surpresa, tristeza, nojo e raiva. Ao contrário das expressões faciais básicas, que podem ser observadas e distinguidas com certa facilidade por pessoas e computadores, as microexpressões (ME) são difíceis de serem reconhecidas e carecem de outros mecanismos para detectá-las. O trabalho investiga a aplicação da arquitetura CapsNet para reconhecimento de microexpressões — expressões faciais breves, involuntárias que revelam uma tentativa de ocultar a emoção. A metodologia apresentada utiliza o banco de dados CASME II, que contém vídeos de microexpressões espontâneas, e combina a CapsNet com uma ResNet pré-treinada como backbone. Técnicas de aumento de dados, como recorte aleatório, espelhamento e variação de cores, foram aplicadas para aprimorar a capacidade de generalização do modelo. Os resultados indicam que a combinação da CapsNet com a ResNet50 e técnicas de aumento de dados é razoavelmente eficaz, em comparação a outros métodos da literatura, na classificação de microexpressões (arquitetura ResNet50 com UAR = 0,7493 e UF1 = 0,7727). No entanto, o alto custo computacional representa um desafio para sua aplicação em tempo real.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia Mecatrônicapt_BR
dc.sizeorduration47pt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.orcid.putcode186275671-
Aparece en las colecciones:TCC - Engenharia Mecatrônica

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
InvestigaçãoAbordagemArquitetura.pdfTCC9.48 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons