Show simple item record

dc.creatorSouza Junior, Nelson Forte de
dc.date.accessioned2020-03-30T18:16:15Z
dc.date.accessioned2020-05-28T18:08:58Z
dc.date.available2020-05-28T18:08:58Z
dc.date.issued2019-08-15
dc.identifier.citationSOUZA JUNIOR, Nelson Forte de. Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo. 2019. 46 f. Dissertação ( Engenharia Elétrica ) - Universidade Presbiteriana Mackenzie, São Paulo, 2019.por
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/24503
dc.description.abstractWith the development of e-commerce in buying and selling relationships, and its constant overlap over the classic way of selling products, many computational and statistical methods were discovered and researched to recommend such products. Often the data used in recommendation methods involves user interactions and are saved in the form of structured, semistructured, or unstructured data, which images and video are a type of information seldom used. This work, which we call Xanathar, proposes to extend such paradigm by recognizing and recommending products in real time using video from several di erent sources. To achieve this, a convolutional neural network architecture known as ResNet-50 was used, and some changes in the layers of that network led to a top-5 error rate of 5.17% and recognition time of 0.016 seconds. For the network training, an annotated image database with 936563 samples was build, containing 25 di erent classes of objects.eng
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectredes neurais profundaspor
dc.subjectredes convolucionaispor
dc.subjectvisão computacionalpor
dc.subjectrecomendaçõespor
dc.subjectcomércio eletrônicopor
dc.titleRecomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeopor
dc.typeDissertaçãopor
dc.publisher.departmentEscola de Engenharia Mackenzie (EE)por
dc.publisher.programEngenharia Elétricapor
dc.publisher.initialsUPMpor
dc.publisher.countryBrasilpor
dc.subject.cnpqCNPQ::ENGENHARIASpor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor
dc.description.resumoCom o avanço do comércio eletrônico nas relações de compra e venda, e sua constante sobreposição sobre a maneira clássica de se comercializar produtos, muitos métodos computacionais e estatísticos foram pesquisados e criados para recomendar tais produtos. Em sua maior parte, os dados utilizados nos métodos de recomendação envolvem interações dos usuários e são salvos na forma de dados estruturados, semiestruturados ou sem qualquer estrutura definida, sendo imagens e vídeo um tipo de informação pouco utilizada. Este trabalho, ao qual chamamos de Xanathar, propõe estender tal paradigma com o reconhecimento e a recomendação de produtos em tempo real usando vídeo de várias fontes diferentes. Para tal, uma arquitetura de rede neural convolucional conhecida como ResNet-50 foi utilizada, e algumas alterações nas camadas dessa rede levaram a um erro top-5 de 5,17% e um tempo de classificação de 0,016 segundos. Para o treinamento da rede, uma base de imagens com 936563 amostras anotadas foi criada, contendo 25 diferentes classes de objetos.por
dc.contributor.advisor-co1Silva, Leandro Augusto da
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/1396385111251741por
dc.creator.Latteshttp://lattes.cnpq.br/9876836160735807por
dc.contributor.advisor1Marengoni, Mauricio
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1974791787566027por
dc.contributor.referee1Lopes, Fábio Silva
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2302666201616083por
dc.contributor.referee2Roman, Norton Trevisan
dc.contributor.referee2Latteshttp://lattes.cnpq.br/4440731926425760por
dc.bitstream.urlhttp://tede.mackenzie.br/jspui/bitstream/tede/4177/5/NELSON%20FORTE%20DE%20SOUZA%20JUNIOR.pdf
dc.keywordsdeep learningeng
dc.keywordsconvolutional networkseng
dc.keywordscomputer visioneng
dc.keywordsproduct recommendationeng
dc.keywordseletronic commerceeng


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Acesso Aberto
Except where otherwise noted, this item's license is described as Acesso Aberto