Deep Learning e rede neural convolucional para o reconhecimento de emoções
| Título | Deep Learning e rede neural convolucional para o reconhecimento de emoções | pt_BR |
| Autor | Silva, Tauan Oliveira da | |
| Orientador | Garcia, Merisandra Côrtes de Mattos | |
| Resumo / Abstract | Este artigo teve como objetivo realizar a construção, treinamento e análise de diferentes arquiteturas de redes neurais convolucionais no reconhecimento das sete emoções primárias básicas, incluindo raiva, nojo, medo, felicidade, tristeza, surpresa e neutralidade. Foram avaliadas duas arquiteturas amplamente utilizadas, a ResNet e DenseNet. Os resultados obtidos demonstraram que a arquitetura ResNet apresentou o melhor desempenho, chegando a 91% de precisão no reconhecimento das emoções, tendo executado quase metade das épocas, 110 execuções em comparação com a DenseNet que precisou de 210 para alcançar a maior precisão. Através de métricas analisou-se o desempenho dessas redes no reconhecimento de emoções por meio de imagens, mostrando que a escolha adequada da arquitetura da CNN pode ter um impacto significativo na precisão e na eficácia desses sistemas. | pt_BR |
| Data de publicação | 2023-07 | |
| Tipo | Trabalho de Conclusão de Curso - TCC | pt_BR |
| Idioma | pt_BR | pt_BR |
| Palavras-chave | Redes neurais | pt_BR |
| Palavras-chave | Emoções | pt_BR |
| Palavras-chave | Redes Residuais (ResNet) | pt_BR |
| Palavras-chave | Redes Densamente Conectadas (DenseNet) | pt_BR |
| Descrição | Trabalho de Conclusão de Curso, apresentado para obtenção do grau de Bacharel no Curso de Ciência da Computação da Universidade do Extremo Sul Catarinense, UNESC. | pt_BR |
| Data de depósito | 2023-09-19T00:36:20Z | |
| Data de disponibilização | 2023-09-19T00:36:20Z | |
| URI | http://repositorio.unesc.net/handle/1/10355 | |
| Cobertura espacial | Universidade do Extremo Sul Catarinense | pt_BR |
| Data de criação | 2023-07 |