Notícias

Banca de DEFESA: THIAGO DA SILVA ALMEIDA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: THIAGO DA SILVA ALMEIDA
DATA: 26/10/2018
HORA: 09:00
LOCAL: Sala de Seminários do DCOMP
TÍTULO: Segmentação e Reconhecimento de Semáforos com Ajuda de Instrução Especialista
PALAVRAS-CHAVES: Aprendizado de Máquina, Conhecimento Especialista, Detecção e Reconhecimento de Semáforos, Visão Computacional.
PÁGINAS: 53
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
RESUMO:

Impulsionadas pelo alto número de pesquisas relacionados a veículos autônomos, as pesquisas sobre detecção e reconhecimento de semáforo tem crescido a cada ano. Além disso, técnicas de Aprendizado de Máquina tem sido amplamente utilizadas não apenas na pesquisa sobre reconhecimento de semáforos, como também em todos os campos em que pode ser útil generalizar dados e automatizar um comportamento humano. Os algoritmos de Aprendizado de Máquina requerem uma grande quantidade de dados para funcionar adequadamente e, por causa disso, precisam de muito poder computacional. Nesta dissertação foi investigado o uso de Conhecimento ou Instrução Especialista - IE na tentativa de reduzir a quantidade de dados exigidos por um algoritmo de Aprendizado de Máquina. O conhecimento especialista escolhido para ser utilizado como instrução foi a localização do semáforo numa dada imagem obtida do interior do veículo. Esta estratégia se baseia na teoria de que há maior probabilidade do semáforo aparecer em certas regiões como, por exemplo, nas regiões centrais e superiores da imagem. Foram construídos mapas de frequência de semáforos para validar essa teoria. Os mapas são o resultado da análise de um especialista humano sobre uma série de imagens, o especialista marca em cada imagem as coordenadas da região em que o(s) semáforo(s) aparece(m). Os resultados mostram que a inclusão do IE aumentou em pelo menos 15% a taxa de acurácia obtida pelo algoritmo de treinamento em dois bancos de imagem diferentes. A as taxas de avaliação alcançadas pela inclusão de IE também foram superiores num experimento completo incluindo a detecção de semáforo seguida da classificação pelo algoritmo treinado, neste teste a inclusão de IE obteve 83% de precisão e 73% de cobertura, enquanto o algoritmo de treinamento tradicional alcançou 75,3% de precisão e 51,1% de cobertura. Este trabalho também apresenta um protótipo de Dispositivo Reconhecedor de Semáforos (DRS) que pode ser utilizado para criar bancos de imagens e como suporte ao motorista. O DRS proposto utiliza um smartphone como câmera e unidade de processamento. Para validar o layout do protótipo, um conjunto de dados foi obtido e testado em um algoritmo de filtro de supressão de fundo adaptável (Adaptive Background Suppression Filter - AdaBSF) e Support Vector Machines (SVMs) para detectar e reconhecer semáforos. A aplicação do AdaBSF e subsequente classificação com SVM ao conjunto de dados alcançou uma taxa de precisão de 100% e reconvocação/cobertura de 65%.


MEMBROS DA BANCA:
Presidente - 2527554 - HENDRIK TEIXEIRA MACEDO
Interno - 1979373 - DANIEL OLIVEIRA DANTAS
Externo à Instituição - PAULO SALGADO GOMES DE MATTOS NETO
Notícia cadastrada em: 10/10/2018 14:06
SIGAA | Núcleo de Tecnologia da Informação/UFS - - | Copyright © 2009-2018 - UFRN - bicudo.ufs.br.bicudo1 v3.5.16 -r5161-00809bb31