BDTA USP - Resultado da busca

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
Assuntos: 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: 25 set. 2024.
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 2024 set. 25 ] 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 2024 set. 25 ] 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)
Estudo sobre transfer learning na detecção de distorção arquitetural em imagens mamográficas (2020)
Ferreira Junior, Daniel Ambrósio; Vieira, Marcelo Andrade da Costa (Orientador)
Unidade: EESC
Assuntos: TRANSFERÊNCIA (APRENDIZAGEM), REDES NEURAIS, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FERREIRA JUNIOR, Daniel Ambrósio. Estudo sobre transfer learning na detecção de distorção arquitetural em imagens mamográficas. 2020. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2020. Disponível em: https://bdta.abcd.usp.br/directbitstream/4637090b-a6e8-449d-b17a-5a7316417ff9/Ferreira_Junior_Daniel_Ambrosio.pdf. Acesso em: 25 set. 2024.
APA
Ferreira Junior, D. A. (2020). Estudo sobre transfer learning na detecção de distorção arquitetural em imagens mamográficas (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/4637090b-a6e8-449d-b17a-5a7316417ff9/Ferreira_Junior_Daniel_Ambrosio.pdf
NLM
Ferreira Junior DA. Estudo sobre transfer learning na detecção de distorção arquitetural em imagens mamográficas [Internet]. 2020 ;[citado 2024 set. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/4637090b-a6e8-449d-b17a-5a7316417ff9/Ferreira_Junior_Daniel_Ambrosio.pdf
Vancouver
Ferreira Junior DA. Estudo sobre transfer learning na detecção de distorção arquitetural em imagens mamográficas [Internet]. 2020 ;[citado 2024 set. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/4637090b-a6e8-449d-b17a-5a7316417ff9/Ferreira_Junior_Daniel_Ambrosio.pdf
Trabalho de Conclusão de Curso (Graduação)
Avaliação de desempenho de uma CNN para o reconhecimento da região periocular utilizando transfer learning e descritores locais de textura (2019)
Shitara, Nícolas Hiroaki; Gonzaga, Adilson (Orientador)
Unidade: EESC
Assuntos: PROCESSAMENTO DE IMAGENS, REDES NEURAIS, TRANSFERÊNCIA (APRENDIZAGEM)
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SHITARA, Nícolas Hiroaki. Avaliação de desempenho de uma CNN para o reconhecimento da região periocular utilizando transfer learning e descritores locais de textura. 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/0ac18921-ef06-4403-aa7a-190228b435e4/Shitara_Nicolas_tcc.pdf. Acesso em: 25 set. 2024.
APA
Shitara, N. H. (2019). Avaliação de desempenho de uma CNN para o reconhecimento da região periocular utilizando transfer learning e descritores locais de textura (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/0ac18921-ef06-4403-aa7a-190228b435e4/Shitara_Nicolas_tcc.pdf
NLM
Shitara NH. Avaliação de desempenho de uma CNN para o reconhecimento da região periocular utilizando transfer learning e descritores locais de textura [Internet]. 2019 ;[citado 2024 set. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/0ac18921-ef06-4403-aa7a-190228b435e4/Shitara_Nicolas_tcc.pdf
Vancouver
Shitara NH. Avaliação de desempenho de uma CNN para o reconhecimento da região periocular utilizando transfer learning e descritores locais de textura [Internet]. 2019 ;[citado 2024 set. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/0ac18921-ef06-4403-aa7a-190228b435e4/Shitara_Nicolas_tcc.pdf
Trabalho de Conclusão de Curso (Graduação)
Rede neural convolucional e recursiva para a estimação de profundidade de objetos em vídeos (2018)
Moreira, Pedro Henrique de Oliveira; Rocha, Victor Hugo Nascimento; Cabral, Eduardo Lobo Lustosa (Orientador)
Unidade: EP
Assuntos: VISÃO COMPUTACIONAL, REDES NEURAIS, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MOREIRA, Pedro Henrique de Oliveira e ROCHA, Victor Hugo Nascimento. Rede neural convolucional e recursiva para a estimação de profundidade de objetos em vídeos. 2018. Trabalho de Conclusão de Curso (Graduação) – EPUSP, São Paulo, 2018. Disponível em: https://bdta.abcd.usp.br/directbitstream/95dac003-f29a-433b-8ae1-1132875c7aa9/Pedro%20Moreira%20-%20Victor%20rocha-%20Monografia.pdf. Acesso em: 25 set. 2024.
APA
Moreira, P. H. de O., & Rocha, V. H. N. (2018). Rede neural convolucional e recursiva para a estimação de profundidade de objetos em vídeos (Trabalho de Conclusão de Curso (Graduação). EPUSP, São Paulo. Recuperado de https://bdta.abcd.usp.br/directbitstream/95dac003-f29a-433b-8ae1-1132875c7aa9/Pedro%20Moreira%20-%20Victor%20rocha-%20Monografia.pdf
NLM
Moreira PH de O, Rocha VHN. Rede neural convolucional e recursiva para a estimação de profundidade de objetos em vídeos [Internet]. 2018 ;[citado 2024 set. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/95dac003-f29a-433b-8ae1-1132875c7aa9/Pedro%20Moreira%20-%20Victor%20rocha-%20Monografia.pdf
Vancouver
Moreira PH de O, Rocha VHN. Rede neural convolucional e recursiva para a estimação de profundidade de objetos em vídeos [Internet]. 2018 ;[citado 2024 set. 25 ] Available from: https://bdta.abcd.usp.br/directbitstream/95dac003-f29a-433b-8ae1-1132875c7aa9/Pedro%20Moreira%20-%20Victor%20rocha-%20Monografia.pdf

Unidades USP

BDTA

Filtros

Autores