Use este identificador para citar ou linkar para este item:
http://repositorioinstitucional.uea.edu.br//handle/riuea/4019| Título: | Detecção inteligente de falhas em pavimentações asfálticas com redes neurais convolucionais regionais |
| Título(s) alternativo(s): | Intelligent fault detection in asphalt paving with regional convolutional neural networks |
| Autor(es): | Carvalho, Rafael Barbosa de |
| Orientador(es): | Costa, Elloá Barreto Guedes da |
| Palavras-chave: | Aprendizado Profundo;Visão Computacional;Cidades Inteligentes;Deep Learning;Computer Vision;Smart Cities |
| Data do documento: | 30-Mai-2022 |
| Editor: | Universidade do Estado do Amazonas |
| Resumo: | Neste artigo foi abordado o problema da inspec¸ao autom ˜ atica de danos em ´ pavimentac¸oes como um problema de detecc¸ ˜ ao em Vis ˜ ao Computacional com vistas ˜ a colaborar para o desenvolvimento de soluc¸oes que apoiem cidades inteligentes ˜ na melhoria da qualidade e da seguranc¸a no transito. Neste sentido considerou- ˆ se um cenario experimental com dados real ´ ´ısticos oriundos de tres pa ˆ ´ıses diferen tes e quatro configurac¸oes para as redes YOLO. Ao comparar os resultados obti- ˜ dos com a literatura, verificam-se ganhos significativos no tempo de previsao ainda ˜ que utilizando um menor numero de par ´ ametros, produzindo um mAP igual a ˆ 0,53. Tambem avaliamos a soluc¸ ´ ao proposta em um estudo de caso com imagens do Brasil, ˜ o qual ressaltou diversos desafios praticos a serem levados em conta na ocasi ´ ao da ˜ proposic¸ao de modelos autom ˜ aticos de detecc¸ ´ ao para o problema em considerac¸ ˜ ao. |
| Abstract: | In this paper we addressed the automatic road damage inspection as a Computer Vision detection problem in benefit of solutions to help smart cities im prove traffic quality and security. To do so, we considered an experimental scenario with realistic data from three different countries and four configurations of YOLO networks. When compared to related work from literature, our results have signifi cant improvements in prediction time using a lower number of parameters, yielding an experimental mAP of 0.53. We also evaluated our solution in a case study with images from Brazil that highlights several practical challenges that need to be taken into account when proposing automatic detection models for such problem. |
| URI: | http://repositorioinstitucional.uea.edu.br//handle/riuea/4019 |
| Aparece nas coleções: | EST - Trabalho de Conclusão de Curso Graduação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Detecção inteligente de falhas em pavimentações asfálticas com redes neurais convolucionais regionais.pdf | 2,36 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.