Melo, Leonimer Flávio deYui, Mauricio Kendi2024-10-152024-10-152024-07-30https://repositorio.uel.br/handle/123456789/18052A 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.porInteligência artificialAprendizagem de máquinaAprendizagem profundaRedes neurais artificiaisVisão computacionalDireção autônomaLocal Binary Pattern (LBP)DissertaçãoEngenharias - Engenharia ElétricaEngenharias - Engenharia ElétricaArtificial intelligenceMachine learningDeep learningArtificial neural networksComputer visionAutonomous drivingLocal Binary Pattern (LBP)