Estudos de abordagens de DL-CNN (Deep Learning Convolutional Neural Nets) visando a detecção de veículos em imagens de vídeo, a fim de aumentar a segurança e evitar acidentes em vias públicas (2021)
- Authors:
- Autor USP: CANGERANA, NILO CONRADO MESSIAS ALVES - EESC E ICMC
- Unidade: EESC E ICMC
- Subjects: INTELIGÊNCIA ARTIFICIAL; VISÃO COMPUTACIONAL; REDES NEURAIS; PROCESSAMENTO DE IMAGENS
- Keywords: Deep learning; Segmentação semântica
- Language: Português
- Abstract: Durante as últimas décadas, o número de veículos automotivos no Brasil tem crescido gradativamente. Com o aumento do número de veículos que circulam pelas vias, o índice de acidentes de trânsito também aumenta. Devido ao avanço do poder computacional nos últimos anos, a área de Deep Learning tem ganhado destaque pela sua capacidade de resolver problemas de reconhecimento de padrões e localizar objetos. Afim de se diminuir a quantidade de acidentes de trânsitos, pode-se utilizar abordagens de Deep Learning. Ao utilizar modelos de Deep Learning, é possível desenvolver um sistema capaz de reconhecer padrões de veículos, identificando e localizando os mesmos em imagens. O projeto consiste no desenvolvimento de um sistema que utiliza Redes Neurais Convolucionais para localização de veículos em vídeos de câmeras que monitoram cruzamentos, afim de se sinalizar motoristas de que outros veículos percorrem as vias, aumentando a segurança no trânsito. A arquitetura de Rede Neural Convolucional utilizada para o desenvolvimento é a U-Net, que é uma rede que localiza objetos através da segmentação semântica dos mesmos. Neste trabalho, é realizada a modelagem do sistema proposto, que consiste no processamento de um vídeo de entrada, na qual a Rede Neural Convolucional realiza a segmentação semântica dos possíveis veículos presentes no vídeo, obtendo suas localizações. Para o desenvolvimento do projeto, é necessário realizar o treinamento do modelo. É escolhido um conjunto de dados para compor os conjuntos de treino, validação e de teste. O desempenho do modelo é medido com a métrica Intersect over Union, que possibilita identificar se o modelo apresenta boa precisão. Além do modelo da U-Net, são implementados outros modelos de Redes Neurais Convolucionais para comparar o resultado em diferentes arquiteturas e determinar se a rede escolhida apresenta bons resultados para essa funcionalidade. Os resultados do sistema sãoapresentados no final do trabalho, indicando se o sistema apresenta potencial para aumentar a segurança no trânsito
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
-
ABNT
CANGERANA, Nilo Conrado Messias Alves. Estudos de abordagens de DL-CNN (Deep Learning Convolutional Neural Nets) visando a detecção de veículos em imagens de vídeo, a fim de aumentar a segurança e evitar acidentes em vias públicas. 2021. Trabalho de Conclusão de Curso (Graduação) – , Universidade de São Paulo, São Carlos, 2021. Disponível em: https://bdta.abcd.usp.br/directbitstream/30d92d95-cf4d-41aa-81d3-9b75db8d8be9/Nilo%20Conrado%20Messias%20Alves%20Cangerana%20.pdf. Acesso em: 20 mar. 2025. -
APA
Cangerana, N. C. M. A. (2021). Estudos de abordagens de DL-CNN (Deep Learning Convolutional Neural Nets) visando a detecção de veículos em imagens de vídeo, a fim de aumentar a segurança e evitar acidentes em vias públicas (Trabalho de Conclusão de Curso (Graduação). , Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/30d92d95-cf4d-41aa-81d3-9b75db8d8be9/Nilo%20Conrado%20Messias%20Alves%20Cangerana%20.pdf -
NLM
Cangerana NCMA. Estudos de abordagens de DL-CNN (Deep Learning Convolutional Neural Nets) visando a detecção de veículos em imagens de vídeo, a fim de aumentar a segurança e evitar acidentes em vias públicas [Internet]. 2021 ;[citado 2025 mar. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/30d92d95-cf4d-41aa-81d3-9b75db8d8be9/Nilo%20Conrado%20Messias%20Alves%20Cangerana%20.pdf -
Vancouver
Cangerana NCMA. Estudos de abordagens de DL-CNN (Deep Learning Convolutional Neural Nets) visando a detecção de veículos em imagens de vídeo, a fim de aumentar a segurança e evitar acidentes em vias públicas [Internet]. 2021 ;[citado 2025 mar. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/30d92d95-cf4d-41aa-81d3-9b75db8d8be9/Nilo%20Conrado%20Messias%20Alves%20Cangerana%20.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Nilo Conrado Messias Alve... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
