Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo
Carregando...
Tipo
Dissertação
Data de publicação
2019-08-15
Periódico
Citações (Scopus)
Autores
Souza Junior, Nelson Forte de
Orientador
Marengoni, Mauricio
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Lopes, Fábio Silva
Roman, Norton Trevisan
Roman, Norton Trevisan
Programa
Engenharia Elétrica
Resumo
Com 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.
Descrição
Palavras-chave
redes neurais profundas , redes convolucionais , visão computacional , recomendações , comércio eletrônico
Assuntos Scopus
Citação
SOUZA 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.