Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo

Página do item simplificado
dc.contributor.advisorMarengoni, Mauricio
dc.contributor.advisor-co1Silva, Leandro Augusto da
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/1396385111251741por
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1974791787566027por
dc.contributor.authorSouza Junior, Nelson Forte de
dc.creator.Latteshttp://lattes.cnpq.br/9876836160735807por
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.description.abstractCom 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.formatapplication/pdf*
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.keywordsdeep learningeng
dc.keywordsconvolutional networkseng
dc.keywordscomputer visioneng
dc.keywordsproduct recommendationeng
dc.keywordseletronic commerceeng
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.subject.cnpqCNPQ::ENGENHARIASpor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor
dc.titleRecomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeopor
dc.typeDissertaçãopor
local.contributor.board1Lopes, Fábio Silva
local.contributor.board1Latteshttp://lattes.cnpq.br/2302666201616083por
local.contributor.board2Roman, Norton Trevisan
local.contributor.board2Latteshttp://lattes.cnpq.br/4440731926425760por
local.publisher.countryBrasilpor
local.publisher.departmentEscola de Engenharia Mackenzie (EE)por
local.publisher.initialsUPMpor
local.publisher.programEngenharia Elétricapor
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
NELSON FORTE DE SOUZA JUNIOR.pdf
Tamanho:
7.6 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Engenharia Elétrica e Computação - Dissertações - EE Higienópolis