Detecção automática de personagens da Turma da Mônica: modelos de aprendizado profundo aplicados em histórias em quadrinhos
Carregando...
Arquivos
Data
2023-11-01
Autores
Orientador(res)
Oliveira, Dário
Métricas
Título da Revista
ISSN da Revista
Título de Volume
Resumo
As Histórias em Quadrinhos (HQs), frequentemente subestimadas, revelam-se como veículos de narrativas complexas e ricas em significados. No contexto das HQs brasileiras, a Turma da Mônica (TdM), criada por Mauricio de Sousa, destaca-se como uma obra prolífica, abrangendo milhares de edições e personagens. Reconhecendo a importância dessa turma no cenário brasileiro e demostrando um forte interesse nessa área, este Trabalho de Conclusão de Curso apresenta uma abordagem inovadora, aproveitando modelos de aprendizado profundo, especificamente a rede neural YOLOv5s da família YOLO, para a detecção automática de personagens nas páginas das HQs da TdM. Para atingir esse objetivo, foram introduzidos resumos teóricos sobre história em quadrinhos, Turma da Mônica e detecção de objetos. Também foram estabelecidas bases sólidas, incluindo manuais detalhados sobre elementos técnicos das HQs, categorização de personagens, uma metodologia exclusiva de anotação de imagens contendo 12 regras e novas métricas de avaliação de performance. Utilizando esse conhecimento, foram criados dois modelos baseados na YOLOv5s, com o modelo principal alcançando resultados notáveis, obtendo altos valores de precisão, como por exemplo, mAP_50=98% para o grupo de protagonistas no conjunto de teste. Além dos resultados numéricos, foram apresentados exemplos práticos de inferência e foram discutidos possíveis melhorias e aplicações práticas para o futuro.