Avaliação de aprendizagem LBP para segmentação semântica de pavimentação asfáltica baseada em U-Net

Página do item simplificado
dc.contributor.advisorMelo, Leonimer Flávio de
dc.contributor.authorYui, Mauricio Kendi
dc.contributor.bancaFrança, Maria Bernadete de Morais
dc.contributor.bancaBatista, Daniel Strufali
dc.contributor.bancaSouza, Wesley Angelino de
dc.coverage.extent143 p.
dc.coverage.spatialLondrina
dc.date.accessioned2024-10-15T17:13:14Z
dc.date.available2024-10-15T17:13:14Z
dc.date.issued2024-07-30
dc.description.abstractA direção autônoma emerge naturalmente do notável avanço demonstrado pela Inteligência Artificial (IA) nos últimos anos, impulsionada, em grande parte, pelo desenvolvimento contínuo de recursos de hardware e software. Nesse contexto, este trabalho propõe a aplicação de ferramentas de IA, mais especificamente no domínio da Aprendizagem Profunda, para realizar a segmentação semântica de pavimentações asfálticas em imagens rasterizadas. A abordagem adotada utiliza a rede neural U-Net para alcançar esse objetivo, enquanto o algoritmo Local Binary Pattern (LBP) é investigado devido à sua vantagem declarada de invariância luminosa. Este trabalho contribui ao validar que a integração do algoritmo LBP pode aprimorar o desempenho da rede neural U-Net, especialmente em condições não previstas na base de dados de treinamento original.
dc.description.abstractother1Autonomous driving emerges naturally from the remarkable advancement demonstrated by Artificial Intelligence (AI) in recent years, driven, in large part, by the continuous development of hardware and software resources. In this context, this works proposes the application of AI tools, more specifically in the domain of Deep Learning, to perform the semantic segmentation of asphalt paving in raster images. The adopted approach uses the U-Net neural network to achieve this objective, while the Local Binary Pattern (LBP) algorithm is investigated due to its declared advantage of light invariance. This work contributes by validating that the integration of the LBP algorithm can improve the performance of the U-Net neural network, especially in conditions not foreseen in the original training database.
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/18052
dc.language.isopor
dc.relation.departamentCTU - Departamento de Engenharia Elétrica
dc.relation.institutionnameUniversidade Estadual de Londrina - UEL
dc.relation.ppgnamePrograma de Pós-Graduação em Engenharia Elétrica
dc.subjectInteligência artificial
dc.subjectAprendizagem de máquina
dc.subjectAprendizagem profunda
dc.subjectRedes neurais artificiais
dc.subjectVisão computacional
dc.subjectDireção autônoma
dc.subjectLocal Binary Pattern (LBP)
dc.subject.capesEngenharias - Engenharia Elétrica
dc.subject.cnpqEngenharias - Engenharia Elétrica
dc.subject.keywordsArtificial intelligence
dc.subject.keywordsMachine learning
dc.subject.keywordsDeep learning
dc.subject.keywordsArtificial neural networks
dc.subject.keywordsComputer vision
dc.subject.keywordsAutonomous driving
dc.subject.keywordsLocal Binary Pattern (LBP)
dc.titleAvaliação de aprendizagem LBP para segmentação semântica de pavimentação asfáltica baseada em U-Net
dc.title.alternativeEvaluation of LPB learning for U-Net based road semantic segmentation
dc.typeDissertação
dcterms.educationLevelMestrado Acadêmico
dcterms.provenanceCentro de Tecnologia e Urbanismo

Arquivos

Pacote Original
Agora exibindo 1 - 2 de 2
Imagem de Miniatura
Nome:
EN_EEL_Me_2024_Yui_Mauricio_K.pdf
Tamanho:
7.31 MB
Formato:
Adobe Portable Document Format
Descrição:
Texto completo. Id. 192719
Baixar
Nenhuma Miniatura disponível
Nome:
EN_EEL_Me_2024_Yui_Mauricio_K_TERMO.pdf
Tamanho:
524.53 KB
Formato:
Adobe Portable Document Format
Descrição:
Termo de autorização.
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
555 B
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

02 - Mestrado - Engenharia Elétrica