Mostrar el registro sencillo del ítem

Trabajo Fin de Grado

dc.contributor.advisorMartín Clemente, Rubénes
dc.creatorBautista Gómez, Alejandroes
dc.date.accessioned2021-04-07T17:53:04Z
dc.date.available2021-04-07T17:53:04Z
dc.date.issued2020
dc.identifier.citationBautista Gómez, A. (2020). Detección, reconocimiento y seguimiento derostros aplicando Redes Neuronales Convolucionales. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla.
dc.identifier.urihttps://hdl.handle.net/11441/106808
dc.description.abstractLas tecnologías de reconocimiento facial pertenecen a uno de los numerosos grandes hitosen la historia del desarrollo tecnológico. Mediante la aplicación de técnicas de detección,identificación y clasificación de rostros, se abre la posibilidad al desarrollo de numerosos tiposde aplicaciones. Algunas de estas, por ejemplo, irían desde sistemas de autenticación biométricosorientados al control de acceso, hasta la clasificación de rostros por grupos de edad para la emi-sión de anuncios personalizados o el análisis de las expresiones para el reconocimiento de emociones. Sin embargo, todo este desarrollo de aplicaciones jamás podría haber llegado hasta este punto dela década del siglo XXI, sin la aparición y avances de un revolucionario modelo de computación: elMachine Learning (ML). Para este proyecto, se presenta un sistema de detección, identificación y seguimiento de rostros enimágenes y video. Para ello en primer lugar se realizará un estudio de los distintos tipos de técnicasempleadas de forma clásica que se han podido emplear para la resolución de este tipo de problemas.Después se presentará una introducción a varios modelos de clasificación y algoritmos empleadosbasados en ML. Finalmente, se harán un conjunto de pruebas para poner a prueba dicho sistema.es
dc.description.abstractFacial recognition technologies belong to one of the many great milestones in the history oftechnological development. The application of techniques for the detection, identification andclassification of faces opens up the possibility for the development of many types of applications.Some of these, for example, would go from biometric authentication systems oriented to accesscontrol, to the classification of faces by age groups for the emission of personalized announcementsor the analysis of expressions for the recognition of emotions. However, all this application development could never have reached this point in the decade of the21st century, without the appearance and advances of a revolutionary computing model: MachineLearning (ML). For this project, a system for the detection, identification and tracking of faces on video ispresented. To do this, first a study of the different types of techniques used in a classical way thathave been used to solve this type of problem will be carried out. Then an introduction to variousclassification models and algorithms used based on ML will be presented. Finally, a set of tests willbe made to test the system.es
dc.formatapplication/pdfes
dc.format.extent87es
dc.language.isospaes
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.titleDetección, reconocimiento y seguimiento derostros aplicando Redes Neuronales Convolucionaleses
dc.typeinfo:eu-repo/semantics/bachelorThesises
dc.type.versioninfo:eu-repo/semantics/publishedVersiones
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.contributor.affiliationUniversidad de Sevilla. Departamento de Teoría de la Señal y Comunicacioneses
dc.description.degreeUniversidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicaciónes
dc.publication.endPage69 p.es

FicherosTamañoFormatoVerDescripción
TFG-3316-BAUTISTA GOMEZ .pdf12.52MbIcon   [PDF] Ver/Abrir  

Este registro aparece en las siguientes colecciones

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Excepto si se señala otra cosa, la licencia del ítem se describe como: Attribution-NonCommercial-NoDerivatives 4.0 Internacional