Agenda de defesas Agenda de defesas

Voltar

Ciência da Computação promove defesa de duas teses hoje (12)

Uma das defesas ocorrerá no anfiteatro do Centro de Informática e a outra no auditório do mesmo centro

O Programa de Pós-Graduação em Ciência da Computação da UFPE vai promover, hoje (12), a defesa de duas teses de doutorado. O aluno Pedro Diamel Marrero Fernandez apresentou, às 8h, o trabalho “Feratt: New Architecture Learning for Facial Expression Characterization”, produzido sob orientação do professor Tsang Ing Ren. A defesa de Pedro ocorreu no anfiteatro do Centro de Informática. A banca de examinadores foi composta pelos professores George Darmiton da Cunha Cavalcanti (UFPE/CIn), Cleber Zanchettin (UFPE/CIn), Leandro Maciel Almeida (UFPE/CIn), Alceu de Souza Britto Junior (PUC-PR/Centro de Ciências Exatas e de Tecnologia) e Luiz Eduardo Soares de Oliveira (UFPR/Departamento de Informática). 

Já Enyo José Tavares Gonçalves, que desenvolveu a tese “Prise: A Process To Support Istar Extensions”, sob orientação dos professores Jaelson Freire Brelaz de Castro (UFPE) e João Baptista da Silva Araujo Junior (Universidade Nova Coimbra), vai apresentar o trabalho no auditório do Centro e Informática, às 13h. A banca será composta pelos professores Alexandre Marcos Lins de Vasconcelos (UFPE/CIn), Robson do Nascimento Fidalgo(UFPE/Cin), Julio Cesar Sampaio do Prado Leite (PUC-RJ/ Departamento de Informática), Márcia Jacyntha Nunes Rodrigues Lucen (UFRN/Informática e Matemática Aplicada) e João Henrique Correia Pimentel (UFRPE/Campus Cabo de Santo Agostinho). 

Resumos

Feratt: New Architecture Learning for Facial Expression Characterization – Computação afetiva é um ramo da inteligência artificial responsável pelo desenvolvimento de equipamentos e sistemas capazes de interpretar, reconhecer e processar emoções humanas. A compreensão automática do comportamento humano é de grande interesse, já que permite a criação de novas interfaces homem-máquina. Dentro desse comportamento, as expressões faciais são as mais convenientes pelo amplo espectro de emoções que podem ser transmitidas. O rosto humano transmite uma grande parte do nosso comportamento emocional. Usamos expressões faciais para demonstrar nossos estados emocionais e para melhorar nossas interações. Além disso, expressamos e lemos emoções através das expressões dos rostos sem esforço. No entanto, a compreensão automática das expressões faciais é uma tarefa ainda não solucionada do ponto de vista computacional, especialmente na presença de expressão altamente variável, artefatos e poses. Atualmente, obter uma representação semântica de expressões faciais é um desafio para a comunidade de computação afetiva. Este trabalho promove o campo do reconhecimento da expressão facial, fornecendo novas ferramentas para a análise de expressão em imagens estáticas. Em primeiro lugar, apresentamos uma análise dos métodos de extração de características e dos métodos de combinação de classificadores com base em representação escassa que são aplicadas aos problemas de reconhecimento de expressão facial. Propomos um sistema de multiclassificadores baseado em regras de combinação treináveis para a classificação das expressões faciais. Este sistema permite combinar diferentes representações faciais de forma inteligente. Em segundo lugar, apresentamos um estudo das principais arquiteturas de redes neurais profundas aplicadas neste problema. Uma análise comparativa nos permite determinar os melhores modelos de aprendizagem profunda para a classificação das expressões faciais. Em terceiro lugar, propomos uma nova abordagem supervisionada e semisupervisionada de representação baseada na aprendizagem por métrica. Este tipo de abordagem nos permite obter representações semânticas das expressões faciais que são avaliadas neste trabalho. Propomos uma nova função de perda que geram estruturas Gaussianas no espaço de representação. Finalmente, propomos uma nova arquitetura de rede ponta-a-ponta para o reconhecimento de expressões faciais com um modelo de atenção. A rede concentra a atenção no rosto humano e usa uma representação do espaço gaussiano para reconhecimento de expressão. Concebemos essa arquitetura com base em dois componentes fundamentais: (1) correção e atenção à imagem facial; e (2) representação e classificação da expressão facial.

Prise: A Process To Support Istar Extensions – A complexidade e diversidade dos softwares desenvolvidos e das estruturas organizacionais tem crescido e cada vez mais métodos e técnicas adequados são requeridos. A modelagem de requisitos tem um papel fundamental nesse contexto. iStar é uma linguagem de modelagem de requisitos orientada a objetivos que vem sendo utilizada em projetos industriais e acadêmicos de diferentes domínios. É comum que linguagens de modelagem sejam estendidas para adicionar novos construtores e representar melhor conceitos específicos, dando mais expressividade à linguagem estendida. iStar vem sendo frequentemente estendida para incorporar novos construtores de áreas de aplicação específicas ou para ajustá-la a situações práticas durante a modelagem de requisitos. Uma análise realizada nas extensões de iStar identificou a ocorrência de problemas relacionados à qualidade das extensões, como a incompletude relacionada a ausência da definição dos conceitos introduzidos e não representação da extensão em nível de metamodelo; inconsistências entre os níveis de representação da extensão; e conflitos entre as representações gráficas dos construtores. A sintaxe de iStar foi padronizada recentemente; no entanto, a linguagem continua sendo estendida. Portanto, este é um momento adequado para propor uma maneira de conduzir as extensões de iStar de forma sistemática de modo a evitar a ocorrência destes problemas, aumentar a qualidade das extensões e tornar a criação de extensões uma tarefa menos desafiadora. Esta tese investiga como as extensões de iStar vêm sendo criadas e propõe uma forma sistemática de guiar a criação de extensões com qualidade e evitar a ocorrência de problemas recorrentes. Um conjunto de estudos empíricos foi realizado neste trabalho. A identificação das extensões existentes foi feita por meio de revisão sistemática da literatura, a qual originou um catálogo de extensões do iStar que pode facilitar a identificação e reuso de extensões e construtores. Problemas identificados nos construtores das extensões existentes foram mitigados por meio de um experimento que propôs novas representações gráficas para alguns construtores e um questionário que priorizou outros. Um conjunto de diretrizes de como criar boas extensões foram estabelecidas com base nos resultados de um estudo baseado em entrevistas e questionário com pesquisadores que já estenderam o iStar. De maneira complementar, direcionamentos foram dados em relação à criação de mecanismos de extensão de iStar com base na opinião de especialistas. Além disso, uma revisão abrangente da literatura também foi realizada para fornecer referencial teórico. Finalmente, o Prise (Process to conduct istar extensions) foi proposto, com base na literatura de linguagens de modelagem e nos resultados dos estudos empíricos, para estabelecer uma sequência de tarefas e artefatos a serem utilizados para guiar a criação de extensões de iStar. Uma ferramenta foi proposta para apoiar o gerenciamento das extensões criadas pelo extensor. O processo foi ilustrado e validado por meio da correção de problemas de cinco extensões existentes e da criação de duas novas extensões. Ele foi avaliado por meio de entrevistas e um questionário com pesquisadores com experiência em criar extensões do iStar e por meio de um estudo de caso com um extensor novato. O Prise mostrou-se adequado para evitar os problemas identificados nas extensões anteriores, oferecendo um passo a passo para a criação de novas extensões ou correção de problemas em extensões existentes.

Data da última modificação: 12/08/2019, 13:03