FURB - Pós Graduação em Data Science
Aprendizado não-supervisionado
Aluno: Felipe Eduardo Gomes
Repositório dos fontes do Trabalho Final de Aprendizado Não Supervisionado - FURB
a) Baixar o arquivo "trabalho_final_aprendizado_não_supervisionado.py"
b) Baixar o diretório "Fotos"
c) Baixar arquivo "haarcascade_frontalface_default.xml"
d) Executar o código através do Google Colab sendo que o diretório "Fotos" e o arquivo XML, devem ser carregados para o ambiente de execução.
Este projeto trata-se de um detector e reconhecedor facial utilizando Python e a biblioteca OpenCV. Como método de amostragem, foi utilizado holdout de 70% das imagens para treinamento e 30% para os testes, sendo que o algoritmo sorteia aleatoriamente as imagens de treino e teste. Foram utilizadas 410 imagens de 41 pessoas diferentes para o reconhecimento. O algoritmo realiza o treinamento e o teste utilizando de 10 a 20 componentes principais (PCA) e registra a acurácia (percentual de acerto das imagens) de cada número de componentes diferentes.
- Biblioteca OpenCV
import cv2
- Biblioteca do sistema operacional para manipulação das fotos
import os
- Biblioteca numpy
import numpy as np
- Biblioteca para embaralhar as imagens
import random
O resultado do algoritmo de reconhecimento facial, é o resumo dos resultados da acurácia do reconhecimento das execuções utilizando desde as 10 componentes principais até as 20 componentes principais. A Acurácia é o total das imagens de teste reconhecidas corretamente pela aplicação, dividido pela quantidade total de imagens de teste, multiplicado por 100. Segue abaixo o resultado final:
