Maestrias

URI permanente para esta comunidad

http://hdl.handle.net/11059/42

Examinar

Examinando Maestrias por Tema "000 - Ciencias de la computación, información y obras generales::006 - Métodos especiales de computación"
  • Documento
    Desarrollo de un sistema automático de análisis de expresiones faciales para la detección de la mentira en adultos utilizando técnicas de aprendizaje automático
    (Universidad Tecnológica de Pereira, 2021) Zartha Suarez, Natalia ; García Arias, Hernán Felipe
    Existen 7 tipos de expresiones faciales universales, las cuales son: enfado, disgusto, miedo, felicidad, tristeza, sorpresa y desprecio. Estas expresiones faciales son indiferentes a la raza o la cultura de las regiones del mundo. Estas expresiones pueden ser falsificadas y son los pequeños movimientos los que nos pueden decir si una expresión está siendo real o es una mentira. Estos pequeños movimientos se llaman microexpresiones faciales, los cuales ocurren entre 1/15 y 1/25 segundos y son imperceptibles al ojo humano. Este trabajo de grado tiene como objetivo reconocer las microexpresiones faciales mediante un modelo profundo de aprendizaje automático. Para este fin, se desarrollan 3 modelos cada uno para dos bases de datos de microexpresiones faciales SMIC (X. Li, T. Pfister, X. Huang, G. Zhao & M. Pietikäinen, 2013) y CASME II (Yan WJ, Li X, Wang SJ, Zhao G, Liu YJ, Chen YH & Fu X., 2014). El primer modelo implementado fue MicroExpSTCNN el cual fue propuesto por (S. P. Teja Reddy, S. Teja Karri, S. R. Dubey & S. Mukherjee, 2019) utilizando sobre las mismas bases de datos de microexpresiones faciales, este trabajo de grado logró obtener un accuracy mayor para ambas bases de datos (90 % para CASME II y 91.6 % para SMIC); que el reportado por la referencia, el cual fue de 87.80 % para la base de datos CASME II. El segundo modelo implementado fue un CNN 3D con data augmentation rotando las imágenes con cierto número de grados escogidos aleatoriamente, para este modelo se logró mejorar el acurracy para la base de datos CASME II (94.2 %). El tercer modelo se construyó con una CNN 2D temporal y una capa de LSTM, lo cual logró mejorar notablemente la predicción para ambas bases de datos de microexpresiones faciales, ya que tuvo en cuenta la característica temporal de los 18 frames. También se desarrolló una aplicación donde se creó el modelo de la red neuronal y se le cargaron los pesos entrenados previamente para ambas bases de datos de SMIC (X. Li, et al., 2013) y CASME II (Yan WJ, et al., 2014). Se usó el framework Flask para visualizar el video y mostrar la microexpresión facial que predice el modelo.
  • Documento
    PhytoVision: Sistema de medición de crecimiento In vitro de plántulas de Lactuca sativa L.
    (Universidad Tecnológica de Pereira, 2022) Moreno Tabares, Carlos Arturo ; Jaramillo Villegas, Jose Alfredo
    Los bioensayos con plantas son experimentos que se realizan, en un ambiente controlado, a semillas de plantas para detectar los efectos que tienen las diferentes sustancias en su proceso de germinación y crecimiento; esto se determina mediante los datos obtenidos por observación sobre los cambios presentados en las plántulas días posteriores al aplicar la sustancia, uno de esos datos es la longitud del tallo y la raíz. Para conseguir el dato de la longitud del tallo y raíz de una plántula con precisión con un instrumento de medición convencional requiere que ésta se encuentre ubicado a lo largo sin curvar (lo menos posible) lo cual implica manipularla corriendo el riesgo de dañarla o alterar la sustancia aplicada antes de completar el experimento. La computación ha permitido el desarrollo de herramientas de software que apoyan partes de diferentes procedimientos tales como extraer el dato de longitud de tallo y raíz a partir de análisis a imágenes con características sujetas a variaciones de las condiciones del ambiente y particularidades de la plántula. La herramienta de software es configurada para realizar análisis sobre datos de entrada y entregar un resultado al punto de tener criterios que pueden adaptarse a medida que existan nuevas variaciones posibles en ellos, similar a como se comportaría la mente humana gracias a los algoritmos de inteligencia artificial. La visión por computadora permite a las herramientas de software extraer datos a partir de imágenes y junto con la inteligencia artificial realiza la búsqueda de patrones o características clave de la imagen entrante, permitiendo abarcar diferentes posibles combinaciones definiendo únicamente la forma de analizar.
  • Documento
    Reconocimiento facial para la automatización del registro de asistencia a clases
    (Universidad Tecnológica de Pereira, 2022) Legarda Delgado, Diego Fernando ; Loaiza Pabón, Oscar Andrés ; García Arias, Hernán Felipe
    En el presente trabajo se realizó el desarrollo del sistema piloto de registro automático de asistencia a clases presenciales FR-ARCA, basado en técnicas de detección y reconocimiento facial, utilizando modelos de aprendizaje profundo. Se diseñó el modelo del sistema con una arquitectura modular de diferentes herramientas integradas adecuadamente para resolver las consideraciones previstas. El uso y la integración de contenedores, el lenguaje de progra mación Python con los frameworks FastAPI y Django, el uso de frameworks para Machine Learning como Keras, TensorFlow, PyTorch, OpenCV y MXNet y protocolos de comunicación REST y MQTT permitieron superar retos que tiene la ingeniería de software para implementar inteligencia artificial (IA) en software de producción. Con la extracción de características principales de rostro y su almacenamiento en bases de datos (DB) se realiza la identifica ción de identidades a través del cálculo de similitud entre los vectores de características (embeddings) por lo cual no se necesita reentrenar las redes neuronales convolucionales cuando ingresan nuevos aprendices a la institución. Se probaron modelos preentrenados de detección de rostros como MTCNN, RetinaFace y SCRFD, y modelos de reconocimiento de rostros como VGG-Face, FaceNet y ArtFace, en el sistema FR-ARCA y fueron evaluados con experimentos que permitieron validar y configurar el sistema para lograr excelentes resultados en la exactitud del registro de asistencia a clases.