TCC
Reconhecimento facial baseado em support vector machines
Carregando...
Notas
Data
Autores
Orientadores
Editores
Coorientadores
Membros de banca
Título da Revista
ISSN da Revista
Título de Volume
Editor
Faculdade, Instituto ou Escola
Departamento
Programa de Pós-Graduação
Agência de fomento
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
Resumo
Máquina de Vetores de Suporte (SVM) é uma máquina de aprendizagem capaz de
resolver problemas de classificação com boa capacidade de generalização. A velocidade de
classificação da SVM e a facilidade com que novos vetores de dados podem ser inseridos
no conjunto de treinamento dessa máquina virtual são seus pontos mais fortes.
Neste trabalho, é desenvolvido um método para reconhecimento de faces baseado
na máquina de vetores de suporte em conjunto com um algoritmo conhecido como
Transformada Co-seno Discreta, que compacta as imagens analisadas em vetores de
características que podem ser processados pela SVM.
Os experimentos foram realizados com uma base de dados de faces da
Universidade de Yale. Os resultados obtidos foram satisfatórios e comprovados pela
acurácia do método.
Abstract
Support Vector Machine (SVM) is a learning machine able to solve classification
problems. Its classification speed and the easy way new data vectors can be added to the
training set are some of the main characteristics of this machine.
In this paper a method for face recognition is developed using Support Vector
Machines and a method for compressing images termed Discrete Cosine Transform (DCT).
The DCT method was used not only for compressing images but also to transform them
into input vectors usable on the SVM.
Experiments were made using the Yale Faces Database. The obtained results were
found to be satisfatory, given the accuracy calculated.
Descrição
Área de concentração
Inteligência artificial
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
Palavras-chave
ISBN
DOI
Citação
COUTINHO, G. C. A. Reconhecimento facial baseado em support vector machines. 2008. 35 p. Monografia (Graduação em Ciência da Computação) – Universidade Federal de Lavras, Lavras, 2008.