Reconocimiento de expresiones faciales en imágenes mediante técnicas de aprendizaje profundo
dc.contributor.advisor | Pajares Martínsanz, Gonzalo | |
dc.contributor.advisor | López González, Clara Isabel (col.) | |
dc.contributor.author | Hernández Guillamot, Jesús | |
dc.contributor.author | Matarranz Burgos, Pablo | |
dc.date.accessioned | 2024-07-01T14:40:15Z | |
dc.date.available | 2024-07-01T14:40:15Z | |
dc.date.issued | 2024 | |
dc.degree.title | Grado en Ingeniería Informática y Doble Grado en Ingeniería Informática y Administración y Dirección de empresas | |
dc.description | Trabajo de Fin de Grado en Ingeniería Informática y Doble Grado en Ingeniería Informática y Administración y Dirección de empresas, Facultad de Informática UCM, Departamento de Ingeniería del Software e Inteligencia Artificial, Curso 2023/2024 | |
dc.description.abstract | Este trabajo explica el funcionamiento de la aplicación desarrollada que, a grandes rasgos, consiste en la identificación de expresiones faciales mediante técnicas de aprendizaje profundo. Para lograr identificarlas se utilizan redes neuronales (AlexNet, Squeezenet) que una vez entrenadas, se dispone del modelo con los parámetros ajustados. De esta forma, es posible clasificar la imagen de una cara en función de su expresión facial y de acuerdo a una de las categorías disponibles. Desde el punto de vista de la implementación, las imágenes requieren un redimensionado, para ser procesadas por los modelos de redes correspondientes, como paso previo al reconocimiento facial. En la aplicación se permite seleccionar SqueezeNet o AlexNet como red neuronal y modificar los parámetros opcionales de entrenamiento que vienen por defecto. | |
dc.description.abstract | This work explains the operation of the developed application, which, in broad terms, consists of identifying facial expressions using deep learning techniques. To achieve this identification, neural networks (AlexNet, Squeezenet) are employed. Once trained, the model with adjusted parameters is available. This enables the classification of a facial image based on its facial expression and according to one of the available categories. From an implementation standpoint, images require resizing to be processed by the corresponding network models as a preliminary step to facial recognition. The application allows for selecting SqueezeNet or AlexNet as the neural network and modifying the optional training parameters that come by default. | |
dc.description.department | Depto. de Ingeniería de Software e Inteligencia Artificial (ISIA) | |
dc.description.faculty | Fac. de Informática | |
dc.description.refereed | TRUE | |
dc.description.status | unpub | |
dc.identifier.uri | https://hdl.handle.net/20.500.14352/105391 | |
dc.language.iso | spa | |
dc.page.total | 63 | |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | en |
dc.rights.accessRights | open access | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject.cdu | 004(043.3) | |
dc.subject.keyword | Expresiones faciales | |
dc.subject.keyword | Aprendizaje profundo | |
dc.subject.keyword | Redes neuronales convolucionales | |
dc.subject.keyword | SqueezeNet | |
dc.subject.keyword | AlexNet | |
dc.subject.keyword | Facial expressions | |
dc.subject.keyword | Deep learning | |
dc.subject.keyword | Convolutional neural networks | |
dc.subject.ucm | Informática (Informática) | |
dc.subject.unesco | 33 Ciencias Tecnológicas | |
dc.title | Reconocimiento de expresiones faciales en imágenes mediante técnicas de aprendizaje profundo | |
dc.title.alternative | Recognition of facial expressions in images using deep learning techniques | |
dc.type | bachelor thesis | |
dc.type.hasVersion | AM | |
dspace.entity.type | Publication | |
relation.isAdvisorOfPublication | 878e090e-a59f-4f17-b5a2-7746bed14484 | |
relation.isAdvisorOfPublication.latestForDiscovery | 878e090e-a59f-4f17-b5a2-7746bed14484 |
Download
Original bundle
1 - 1 of 1