Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo
Ano de defesa: | 2019 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Presbiteriana Mackenzie
|
Programa de Pós-Graduação: |
Engenharia Elétrica
|
Departamento: |
Escola de Engenharia Mackenzie (EE)
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://dspace.mackenzie.br/handle/10899/24503 |
Resumo: | With 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. |
id |
UPM_228fd72a5e30c12d4fd3a85dd8ff9d33 |
---|---|
oai_identifier_str |
oai:dspace.mackenzie.br:10899/24503 |
network_acronym_str |
UPM |
network_name_str |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
repository_id_str |
|
spelling |
2020-03-30T18:16:15Z2020-05-28T18:08:58Z2020-05-28T18:08:58Z2019-08-15SOUZA 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.http://dspace.mackenzie.br/handle/10899/24503With 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.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.application/pdfporUniversidade Presbiteriana MackenzieEngenharia ElétricaUPMBrasilEscola de Engenharia Mackenzie (EE)http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessredes neurais profundasredes convolucionaisvisão computacionalrecomendaçõescomércio eletrônicoCNPQ::ENGENHARIASCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAORecomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSilva, Leandro Augusto dahttp://lattes.cnpq.br/1396385111251741Marengoni, Mauriciohttp://lattes.cnpq.br/1974791787566027Lopes, Fábio Silvahttp://lattes.cnpq.br/2302666201616083Roman, Norton Trevisanhttp://lattes.cnpq.br/4440731926425760http://lattes.cnpq.br/9876836160735807Souza Junior, Nelson Forte dehttp://tede.mackenzie.br/jspui/bitstream/tede/4177/5/NELSON%20FORTE%20DE%20SOUZA%20JUNIOR.pdfdeep learningconvolutional networkscomputer visionproduct recommendationeletronic commercereponame:Biblioteca Digital de Teses e Dissertações do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIE10899/245032020-05-28 15:08:58.363Biblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRI |
dc.title.por.fl_str_mv |
Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo |
title |
Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo |
spellingShingle |
Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo Souza Junior, Nelson Forte de redes neurais profundas redes convolucionais visão computacional recomendações comércio eletrônico CNPQ::ENGENHARIAS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo |
title_full |
Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo |
title_fullStr |
Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo |
title_full_unstemmed |
Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo |
title_sort |
Recomendações de produtos em tempo real baseadas no reconhecimento de objetos em vídeo |
author |
Souza Junior, Nelson Forte de |
author_facet |
Souza Junior, Nelson Forte de |
author_role |
author |
dc.contributor.advisor-co1.fl_str_mv |
Silva, Leandro Augusto da |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/1396385111251741 |
dc.contributor.advisor1.fl_str_mv |
Marengoni, Mauricio |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/1974791787566027 |
dc.contributor.referee1.fl_str_mv |
Lopes, Fábio Silva |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/2302666201616083 |
dc.contributor.referee2.fl_str_mv |
Roman, Norton Trevisan |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/4440731926425760 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/9876836160735807 |
dc.contributor.author.fl_str_mv |
Souza Junior, Nelson Forte de |
contributor_str_mv |
Silva, Leandro Augusto da Marengoni, Mauricio Lopes, Fábio Silva Roman, Norton Trevisan |
dc.subject.por.fl_str_mv |
redes neurais profundas redes convolucionais visão computacional recomendações comércio eletrônico |
topic |
redes neurais profundas redes convolucionais visão computacional recomendações comércio eletrônico CNPQ::ENGENHARIAS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
With 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. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-08-15 |
dc.date.accessioned.fl_str_mv |
2020-03-30T18:16:15Z 2020-05-28T18:08:58Z |
dc.date.available.fl_str_mv |
2020-05-28T18:08:58Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
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. |
dc.identifier.uri.fl_str_mv |
http://dspace.mackenzie.br/handle/10899/24503 |
identifier_str_mv |
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. |
url |
http://dspace.mackenzie.br/handle/10899/24503 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Presbiteriana Mackenzie |
dc.publisher.program.fl_str_mv |
Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UPM |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Escola de Engenharia Mackenzie (EE) |
publisher.none.fl_str_mv |
Universidade Presbiteriana Mackenzie |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do Mackenzie instname:Universidade Presbiteriana Mackenzie (MACKENZIE) instacron:MACKENZIE |
instname_str |
Universidade Presbiteriana Mackenzie (MACKENZIE) |
instacron_str |
MACKENZIE |
institution |
MACKENZIE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
collection |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
repository.name.fl_str_mv |
|
repository.mail.fl_str_mv |
|
_version_ |
1757174473199452160 |