REDES NEURAIS CONVOLUCIONAIS PARA RECONHECIMENTO FACIAL EM PHP
| dc.contributor.advisor | Carlos Alberto Severiano Junior | |
| dc.contributor.author | Matheus Giovanny Oliveira Guimarães | |
| dc.date.accessioned | 2024-11-16T04:25:04Z | |
| dc.date.available | 2024-11-16T04:25:04Z | |
| dc.date.issued | 2024-11-12 | |
| dc.description.abstract | Este trabalho tem como objetivo comparar a implementação de redes neurais convolucionais utilizando PHP e comparada com Python, explorando suas capacidades no campo de reconhecimento facial. Em PHP, foi utilizada a biblioteca Rindow Neural Networks, enquanto em Python, a escolha foi pela biblioteca Keras com TensorFlow. Para a realização dos experimentos, ambas as linguagens seguiram estruturas semelhantes, utilizando a mesma base de dados de imagens distribuídas em 16 classes e sendo encapsuladas em frameworks web específicos, Slim para PHP e Flask para Python, além disso os códigos foram compilados na mesma máquina. Os resultados indicam que a rede neural construída em PHP obteve uma acurácia média superior (0,954) em comparação com a rede em Python (0,86), embora o tempo de treinamento em PHP tenha sido maior. Todavia, o PHP demonstrou ser uma alternativa viável em contextos específicos, especialmente onde há uma forte dependência de tecnologias baseadas nessa linguagem, como projetos legado. No entanto, Python, com sua maior versatilidade e suporte da comunidade, ainda se destaca como a escolha preferida para projetos de aprendizado de máquina e para fins didáticos. Embora o PHP possa ser utilizado para a construção de redes neurais, Python continua sendo a opção mais prática e eficiente na maioria dos cenários. Para análises futuras um estudo da biblioteca Rubix, outra ferramenta de aprendizado de máquina em PHP, pode ser feita para tentar superar as limitações identificadas pelo Rindow. | |
| dc.description.abstract1 | This paper goal is to compare an implementation of convolutional neural networks in both PHP and Python, expliciting their respectives performances in facial recognition. For PHP, the library Rindow Neural Networks was chosen for the project, meanwhile in Python, Keras using Tensorflow was the choice. For the experiments, both languages follow the same structure for the neural network, using the same dataset, compromised of 16 classes. Both codes were inserted in a web frameworks, Slim for PHP and Flask for Python. The results show that the neural network built in PHP has a higher average accuracy (0,954) comparedd to the Python network (0,860), despite having a higher average training time. In the end, PHP proved to be a viable alternative in specific situations, namely when dealing with legacy projects and codebases. Despite that, Python with its bigger versatility and community support, is still the recommended option for machine learning projects and for learning enviroments, thanks to its ease of use and good documentation. Despite the viability of PHP for building neural networks, Python is still the most practical and efficient choice for most scenarios. For future works an study of the Rubix library, another machine learning tool for PHP, could fix some of Rindow shortcomings. | |
| dc.identifier.uri | http://hdl.handle.net/20.500.14387/1934 | |
| dc.language.iso | Português | |
| dc.publisher.campi | Sabará | |
| dc.publisher.country | Brasil | |
| dc.publisher.institution | Instituto Federal de Minas Gerais | |
| dc.rights | Acesso aberto | |
| dc.subject.keyword | PHP | |
| dc.subject.keyword | CNN | |
| dc.subject.keyword | Redes-neurais | |
| dc.subject.keyword | Viabilidade | |
| dc.title | REDES NEURAIS CONVOLUCIONAIS PARA RECONHECIMENTO FACIAL EM PHP | |
| dc.title.alternative | avaliação de biblioteca php para reconhecimento facial | |
| dc.type | Trabalho de Conclusão de Curso |