Análise de Desempenho e Efetividade de Redes Neurais Convolucionais em Plataformas de GPU e CPU Aplicadas ao Reconhecimento de Emoções Através de Expressões Faciais em Seres Humanos

Abstract

Considerando o crescente interesse no campo da interação humanocomputador e que essa iteração vem se tornando algo cada vez mais natural e social, juntamente com o aumento da capacidade computacional proporcionada por GPUs e CPUs, áreas como reconhecimento de emoções tem se mostrado ser de grande interesse e relevância pela comunidade cientifica. Porém, mesmo com diversos trabalhos realizados, detectar e reconhecer emoções computacionalmente e com a mesma facilidade que humanos reconhecem ainda é um problema relevante a ser explorado. Para tal, buscando explorar esse tema, este trabalho adotou a utilização de Redes Neurais Artificiais (RNA) Convolucionais na realização do reconhecimento das emoções em humanos a partir de expressões faciais. Os resultados demonstraram que, com o treinamento de uma RNA em GPUs, foi possível reduzir o tempo computacional em até 89% e aumentar a acurácia para 65%.

Avaliacao Do Uso Do Tensorflow E Do Pytorch Em Uma Rede Neural Artificial Utilizada Para O Reconhecimento Facial.

“…O trabalho realizado por (Leandro P. Heck and Padoin, 2020) visa reconhecer seis emoções a partir de expressões faciais. Para isso utiliza uma RNA Convolucional com a linguagem python, as bibliotecas TensorFlow 2.0, keras, OpenCV, Scikit-Learn, Numpy, Pandas, Matplotlib e testa em diferentes arquiteturas com CPU e GPU.…”