Membros
Projetos
Pesquisa
Arquitetura de software da cadeira de rodas autônoma
Discente envolvida no projeto: Heli Neres Silva
Período de desenvolvimento: 2021
Implementação de um algoritmos de navegação autônoma utilizando para robótica móvel
Discente envolvida no projeto: Emanuelle Gonçalves Paulino
Período de desenvolvimento: 2021
Desenvolvimento de um sistema de reconhecimento facial em um sistema embarcado (JADA)
Discente envolvido no projeto: Edmundo Lopes Silva
Período de desenvolvimento: 2019
Implementação de uma rede neural convolucional utilizando Python, Git e Ubuntu para realizar o reconhecimento de pessoas incluídas nos datasets desenvolvidos (alunos e orientador), foram utilizadas bibliotecas Python para o pré-processamento e detecção da face nas imagens, assim como da rede VGG-16 uma CNN para trabalhar com visão computacional.
Utilização de visão computacional e redes neurais convolucionais para facilitar o acesso de pessoas com deficiência locomotora às salas do IFBA (JADA)
Discente envolvido no projeto: Edmundo Lopes Silva
Período de desenvolvimento: 2019
Utilização do projeto de reconhecimento facial para promover a acessibilidade de laboratórios do IFBA de acesso restrito. Com a identificação do indivíduo, a fechadura eletrônica da porta receberia um pulso e assim seria acionada para que fosse aberta automaticamente.
Desenvolvimento de sistema de reconhecimento de emoções por face (RUTAS-SENTI) (JADA)
Discente envolvido no projeto: Edmundo Lopes Silva
Período de desenvolvimento: 2020
Utilização de rede neural convolucional para a tarefa de reconhecimento de emoções por meio de expressões faciais. Foi feita também inúmeras pesquisas sobre datasets de imagens com organização das sete emoções universais de Paul Ekman, tal como FER2013-RAVDESS-IEMOCAP e outros mais. Implementações utilizando redes pré treinadas com Pytorch e TensorFlow.
Transcrição de áudio para detecção de emoção por texto com NLP transformers e ontologia (RUTAS-SENTI) (JADA)
Discente envolvido no projeto: Edmundo Lopes Silva
Período de desenvolvimento: 2020
Trabalho conjunto do grupo SENTI para aplicação de transformadores em processamento de linguagem natural na detecção de emoções por texto. Duas entradas possíveis (Text/Audio) sem a necessidade de fusão neural, apenas a transcrição de áudio por softwares profissionais ou bibliotecas Python.
Desenvolvimento de um sistema de reconhecimento de emoções por áudio (RUTAS-SENTI)
Discente envolvido no projeto: Edmundo Lopes Silva
Período de desenvolvimento: 2021
Desenvolvimento de um sistema de reconhecimento de emoções por áudio com redes neurais e MFCC. Com a utilização desta técnica, podemos fazer a máxima extração dos recursos de áudio, até mesmo de recursos não lineares. Deu mel-spectrogram tem como base a transformada rápida de Fourier e tem sua aplicação em Python. Com isso utilizamos os gráficos(imagens) do áudio como dataset e passamos por uma rede convolucional ou recorrente. Neste caso foi uma CNN de baixo processamento com apenas 3 camadas.
Desenvolvimento de uma arquitetura multimodal adaptável de detecção de emoções por face-áudio-texto (RUTAS-SENTI) (JADA)
Discente envolvido no projeto: Edmundo Lopes Silva
Período de desenvolvimento: 2021
Desenvolvimento de uma arquitetura multimodal adaptável aos dados para reconhecimento de emoções por face/áudio/texto, podem ser inseridas novas entradas. Foi utilizada a rede EmbraceNet+ para realizar fusões das redes neurais individuais em 4 fusões(A+F/F+T/T+A/F+T+A). Os resultados alcançaram resultados de comparação mundial de acordo com o site paperwithcode.com com os dados do dataset multimodal IEMOCAP.