Análisis semántico en rostros utilizando redes neuronales profundas

En este trabajo se aborda el problema de reconocimiento y clasificación de Expresiones Faciales a partir de video. Actualmente existen excelentes resultados enfocados en entornos controlados, donde se encuentran expresiones faciales artificiales. En cambio, queda mucho por mejorar cuando se trata de...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Pellejero, Nicolás, Grinblat, Guillermo L., Uzal, Lucas
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2017
Materias:	Ciencias Informáticas reconocimiento de expresiones faciales video entornos no controlados Generative Adversarial Networks
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/65945 http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/ASAI/asai-09.pdf
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-65945
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas reconocimiento de expresiones faciales video entornos no controlados Generative Adversarial Networks
spellingShingle	Ciencias Informáticas reconocimiento de expresiones faciales video entornos no controlados Generative Adversarial Networks Pellejero, Nicolás Grinblat, Guillermo L. Uzal, Lucas Análisis semántico en rostros utilizando redes neuronales profundas
topic_facet	Ciencias Informáticas reconocimiento de expresiones faciales video entornos no controlados Generative Adversarial Networks
description	En este trabajo se aborda el problema de reconocimiento y clasificación de Expresiones Faciales a partir de video. Actualmente existen excelentes resultados enfocados en entornos controlados, donde se encuentran expresiones faciales artificiales. En cambio, queda mucho por mejorar cuando se trata de entornos no controlados, en los cuales las variaciones de iluminación, ángulo a la cámara, encuadre del rostro, hacen que la poca cantidad de datos etiquetados disponibles sea un impedimento a la hora de entrenar modelos de aprendizaje automatizado. Para atacar esta dificultad se utilizó de forma innovadora la técnica Generative Adversarial Networks, que permite utilizar un gran cúmulo de imágenes no etiquetadas con un estilo de entrenamiento semi supervisado.
format	Objeto de conferencia Objeto de conferencia
author	Pellejero, Nicolás Grinblat, Guillermo L. Uzal, Lucas
author_facet	Pellejero, Nicolás Grinblat, Guillermo L. Uzal, Lucas
author_sort	Pellejero, Nicolás
title	Análisis semántico en rostros utilizando redes neuronales profundas
title_short	Análisis semántico en rostros utilizando redes neuronales profundas
title_full	Análisis semántico en rostros utilizando redes neuronales profundas
title_fullStr	Análisis semántico en rostros utilizando redes neuronales profundas
title_full_unstemmed	Análisis semántico en rostros utilizando redes neuronales profundas
title_sort	análisis semántico en rostros utilizando redes neuronales profundas
publishDate	2017
url	http://sedici.unlp.edu.ar/handle/10915/65945 http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/ASAI/asai-09.pdf
work_keys_str_mv	AT pellejeronicolas analisissemanticoenrostrosutilizandoredesneuronalesprofundas AT grinblatguillermol analisissemanticoenrostrosutilizandoredesneuronalesprofundas AT uzallucas analisissemanticoenrostrosutilizandoredesneuronalesprofundas
bdutipo_str	Repositorios
_version_	1764820480748945409

Análisis semántico en rostros utilizando redes neuronales profundas

Ejemplares similares