BDTA USP - Resultado da busca

Trabalho de Conclusão de Curso (MBA)
Um modelo para triagem de radiografias do ombro utilizando deep learning (2023)
Pigatto, Raul Nishi; Liang, Zhao (Orientador)
Unidade: ICMC
Subjects: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, RADIOGRAFIA, RADIOLOGIA, OMBRO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
PIGATTO, Raul Nishi. Um modelo para triagem de radiografias do ombro utilizando deep learning. 2023. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2023. Disponível em: https://bdta.abcd.usp.br/directbitstream/22a6a6e6-f18b-42bd-9e7a-150a4bc46052/Raul%20Nishi%20Pigatto.pdf. Acesso em: 20 abr. 2025.
APA
Pigatto, R. N. (2023). Um modelo para triagem de radiografias do ombro utilizando deep learning (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/22a6a6e6-f18b-42bd-9e7a-150a4bc46052/Raul%20Nishi%20Pigatto.pdf
NLM
Pigatto RN. Um modelo para triagem de radiografias do ombro utilizando deep learning [Internet]. 2023 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/22a6a6e6-f18b-42bd-9e7a-150a4bc46052/Raul%20Nishi%20Pigatto.pdf
Vancouver
Pigatto RN. Um modelo para triagem de radiografias do ombro utilizando deep learning [Internet]. 2023 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/22a6a6e6-f18b-42bd-9e7a-150a4bc46052/Raul%20Nishi%20Pigatto.pdf
Trabalho de Conclusão de Curso (Graduação)
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)
Cangerana, Nilo Conrado Messias Alves; Osório, Fernando Santos (Orientador)
Unidade: EESC E ICMC
Subjects: INTELIGÊNCIA ARTIFICIAL, VISÃO COMPUTACIONAL, REDES NEURAIS, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
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 abr. 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 abr. 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 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/30d92d95-cf4d-41aa-81d3-9b75db8d8be9/Nilo%20Conrado%20Messias%20Alves%20Cangerana%20.pdf
Trabalho de Conclusão de Curso (Graduação)
Análise de datasets para a detecção de veículos em imagens aéreas com algoritmos de deep learning e aplicação para a cidade de São Carlos (2021)
Policarpo, Vinicius Aquilante; Becker, Marcelo (Orientador)
Unidade: EESC
Subjects: VISÃO COMPUTACIONAL, VEÍCULOS, AERONAVES NÃO TRIPULADAS, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
POLICARPO, Vinicius Aquilante. Análise de datasets para a detecção de veículos em imagens aéreas com algoritmos de deep learning e aplicação para a cidade de São Carlos. 2021. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2021. Disponível em: https://bdta.abcd.usp.br/directbitstream/1fda5968-449a-4952-a16c-529f489d032e/Policarpo%2C_Vinicius_Aquilante_tcc.pdf. Acesso em: 20 abr. 2025.
APA
Policarpo, V. A. (2021). Análise de datasets para a detecção de veículos em imagens aéreas com algoritmos de deep learning e aplicação para a cidade de São Carlos (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/1fda5968-449a-4952-a16c-529f489d032e/Policarpo%2C_Vinicius_Aquilante_tcc.pdf
NLM
Policarpo VA. Análise de datasets para a detecção de veículos em imagens aéreas com algoritmos de deep learning e aplicação para a cidade de São Carlos [Internet]. 2021 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/1fda5968-449a-4952-a16c-529f489d032e/Policarpo%2C_Vinicius_Aquilante_tcc.pdf
Vancouver
Policarpo VA. Análise de datasets para a detecção de veículos em imagens aéreas com algoritmos de deep learning e aplicação para a cidade de São Carlos [Internet]. 2021 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/1fda5968-449a-4952-a16c-529f489d032e/Policarpo%2C_Vinicius_Aquilante_tcc.pdf
Trabalho de Conclusão de Curso (Graduação)
Análise de desempenho de modelos de Deep Learning para previsão de falhas em operações de rosqueamento (2021)
Silva, Thiago Henrique Segreto; Caurin, Glauco Augusto de Paula (Orientador)
Unidade: EESC
Subjects: MANUFATURA, USINAGEM, APRENDIZADO COMPUTACIONAL, VISÃO COMPUTACIONAL, ALGORITMOS, FALHAS COMPUTACIONAIS, ANÁLISE DE DESEMPENHO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Thiago Henrique Segreto. Análise de desempenho de modelos de Deep Learning para previsão de falhas em operações de rosqueamento. 2021. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2021. Disponível em: https://bdta.abcd.usp.br/directbitstream/b1f58395-132f-40a1-aac2-b7c6d7b50af5/Silva_Segreto_Thiago_Henrique_tcc.pdf. Acesso em: 20 abr. 2025.
APA
Silva, T. H. S. (2021). Análise de desempenho de modelos de Deep Learning para previsão de falhas em operações de rosqueamento (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/b1f58395-132f-40a1-aac2-b7c6d7b50af5/Silva_Segreto_Thiago_Henrique_tcc.pdf
NLM
Silva THS. Análise de desempenho de modelos de Deep Learning para previsão de falhas em operações de rosqueamento [Internet]. 2021 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/b1f58395-132f-40a1-aac2-b7c6d7b50af5/Silva_Segreto_Thiago_Henrique_tcc.pdf
Vancouver
Silva THS. Análise de desempenho de modelos de Deep Learning para previsão de falhas em operações de rosqueamento [Internet]. 2021 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/b1f58395-132f-40a1-aac2-b7c6d7b50af5/Silva_Segreto_Thiago_Henrique_tcc.pdf
Trabalho de Conclusão de Curso (Graduação)
Sistema de Identificação e Classificação de Mudas de Plantas para Controle de Pragas em Plantações (2020)
Tornisiello, Victor Rozzatti; Osório, Fernando Santos (Orientador)
Unidade: EESC E ICMC
Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
TORNISIELLO, Victor Rozzatti. Sistema de Identificação e Classificação de Mudas de Plantas para Controle de Pragas em Plantações. 2020. Trabalho de Conclusão de Curso (Graduação) – , Universidade de São Paulo, São Carlos, 2020. Disponível em: https://bdta.abcd.usp.br/directbitstream/6518a85f-35f7-4c34-9503-11a1859e7055/TCC%20VictorTornisielo.pdf. Acesso em: 20 abr. 2025.
APA
Tornisiello, V. R. (2020). Sistema de Identificação e Classificação de Mudas de Plantas para Controle de Pragas em Plantações (Trabalho de Conclusão de Curso (Graduação). , Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/6518a85f-35f7-4c34-9503-11a1859e7055/TCC%20VictorTornisielo.pdf
NLM
Tornisiello VR. Sistema de Identificação e Classificação de Mudas de Plantas para Controle de Pragas em Plantações [Internet]. 2020 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/6518a85f-35f7-4c34-9503-11a1859e7055/TCC%20VictorTornisielo.pdf
Vancouver
Tornisiello VR. Sistema de Identificação e Classificação de Mudas de Plantas para Controle de Pragas em Plantações [Internet]. 2020 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/6518a85f-35f7-4c34-9503-11a1859e7055/TCC%20VictorTornisielo.pdf
Trabalho de Conclusão de Curso (Graduação)
Avaliação do desempenho de Redes Neurais Convolucionais para o reconhecimento biométrico da região periocular utilizando Transfer Learning (2019)
Godinho, Lahiri Jumonji; Gonzaga, Adilson (Orientador)
Unidade: EESC
Subjects: APRENDIZADO COMPUTACIONAL, BIOMETRIA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GODINHO, Lahiri Jumonji. Avaliação do desempenho de Redes Neurais Convolucionais para o reconhecimento biométrico da região periocular utilizando Transfer Learning. 2019. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2019. Disponível em: https://bdta.abcd.usp.br/directbitstream/c14019c1-7795-4645-99b0-ea3f6f24a4ff/Godinho_LahiriLumonji_tcc.pdf. Acesso em: 20 abr. 2025.
APA
Godinho, L. J. (2019). Avaliação do desempenho de Redes Neurais Convolucionais para o reconhecimento biométrico da região periocular utilizando Transfer Learning (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/c14019c1-7795-4645-99b0-ea3f6f24a4ff/Godinho_LahiriLumonji_tcc.pdf
NLM
Godinho LJ. Avaliação do desempenho de Redes Neurais Convolucionais para o reconhecimento biométrico da região periocular utilizando Transfer Learning [Internet]. 2019 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/c14019c1-7795-4645-99b0-ea3f6f24a4ff/Godinho_LahiriLumonji_tcc.pdf
Vancouver
Godinho LJ. Avaliação do desempenho de Redes Neurais Convolucionais para o reconhecimento biométrico da região periocular utilizando Transfer Learning [Internet]. 2019 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/c14019c1-7795-4645-99b0-ea3f6f24a4ff/Godinho_LahiriLumonji_tcc.pdf
Trabalho de Conclusão de Curso (Graduação)
A unified framework of deep reinforcement learning and deep imitation learning in simulation environments (2018)
Resende, Nilo Freitas de; Caurin, Glauco Augusto de Paula (Orientador)
Unidade: EESC
Assunto: APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RESENDE, Nilo Freitas de. A unified framework of deep reinforcement learning and deep imitation learning in simulation environments. 2018. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2018. Disponível em: https://bdta.abcd.usp.br/directbitstream/2da8e00f-2c03-4940-8506-cf0ca44727ae/Resende_Nilo_tcc.pdf. Acesso em: 20 abr. 2025.
APA
Resende, N. F. de. (2018). A unified framework of deep reinforcement learning and deep imitation learning in simulation environments (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/2da8e00f-2c03-4940-8506-cf0ca44727ae/Resende_Nilo_tcc.pdf
NLM
Resende NF de. A unified framework of deep reinforcement learning and deep imitation learning in simulation environments [Internet]. 2018 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/2da8e00f-2c03-4940-8506-cf0ca44727ae/Resende_Nilo_tcc.pdf
Vancouver
Resende NF de. A unified framework of deep reinforcement learning and deep imitation learning in simulation environments [Internet]. 2018 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/2da8e00f-2c03-4940-8506-cf0ca44727ae/Resende_Nilo_tcc.pdf
Trabalho de Conclusão de Curso (Graduação)
Avaliação de desempenho de redes neurais convolucionais para classificação de imagens de texturas rotacionadas (2018)
Oliveira, Kaio Augusto de; Gonzaga, Adilson (Orientador)
Unidade: EESC
Subjects: RECONHECIMENTO DE IMAGEM, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
OLIVEIRA, Kaio Augusto de. Avaliação de desempenho de redes neurais convolucionais para classificação de imagens de texturas rotacionadas. 2018. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2018. Disponível em: https://bdta.abcd.usp.br/directbitstream/78d064db-ba07-48a4-8b34-016e6d37f2cd/Oliveira_Kaio_Augusto_tcc.pdf. Acesso em: 20 abr. 2025.
APA
Oliveira, K. A. de. (2018). Avaliação de desempenho de redes neurais convolucionais para classificação de imagens de texturas rotacionadas (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/78d064db-ba07-48a4-8b34-016e6d37f2cd/Oliveira_Kaio_Augusto_tcc.pdf
NLM
Oliveira KA de. Avaliação de desempenho de redes neurais convolucionais para classificação de imagens de texturas rotacionadas [Internet]. 2018 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/78d064db-ba07-48a4-8b34-016e6d37f2cd/Oliveira_Kaio_Augusto_tcc.pdf
Vancouver
Oliveira KA de. Avaliação de desempenho de redes neurais convolucionais para classificação de imagens de texturas rotacionadas [Internet]. 2018 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/78d064db-ba07-48a4-8b34-016e6d37f2cd/Oliveira_Kaio_Augusto_tcc.pdf
Trabalho de Conclusão de Curso (Graduação)
Redes neurais convolucionais para aprendizagem e reconhecimento de objetos 3D (2017)
Miyazaki, Caio Kioshi; Guizilini, Vitor Campanholo (Orientador)
Unidade: EESC
Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, TERCEIRA DIMENSÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MIYAZAKI, Caio Kioshi. Redes neurais convolucionais para aprendizagem e reconhecimento de objetos 3D. 2017. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2017. Disponível em: https://bdta.abcd.usp.br/directbitstream/ee692ea6-3d9c-4d48-92a6-c672e8dbef07/Miyazaki_caio_tcc.pdf. Acesso em: 20 abr. 2025.
APA
Miyazaki, C. K. (2017). Redes neurais convolucionais para aprendizagem e reconhecimento de objetos 3D (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/ee692ea6-3d9c-4d48-92a6-c672e8dbef07/Miyazaki_caio_tcc.pdf
NLM
Miyazaki CK. Redes neurais convolucionais para aprendizagem e reconhecimento de objetos 3D [Internet]. 2017 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/ee692ea6-3d9c-4d48-92a6-c672e8dbef07/Miyazaki_caio_tcc.pdf
Vancouver
Miyazaki CK. Redes neurais convolucionais para aprendizagem e reconhecimento de objetos 3D [Internet]. 2017 ;[citado 2025 abr. 20 ] Available from: https://bdta.abcd.usp.br/directbitstream/ee692ea6-3d9c-4d48-92a6-c672e8dbef07/Miyazaki_caio_tcc.pdf

USP Schools

BDTA

Filtros

Authors

USP affiliated authors

Date published

Subjects