A Novel Siamese-Based Approach for Scene Change Detection With Applications to Obstructed Routes in Hazardous Environments

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual Paulista (Unesp)-
Autor(es): dc.contributorPetr Brasileiro SA Petrobras-
Autor(es): dc.contributorUniv Fortaleza-
Autor(es): dc.creatorSantana, Marcos C. S. [UNESP]-
Autor(es): dc.creatorPassos, Leandro Aparecido [UNESP]-
Autor(es): dc.creatorMoreira, Thierry P. [UNESP]-
Autor(es): dc.creatorColombo, Danilo-
Autor(es): dc.creatorAlbuquerque, Victor Hugo C. de-
Autor(es): dc.creatorPapa, Joao Paulo [UNESP]-
Data de aceite: dc.date.accessioned2022-02-22T00:19:05Z-
Data de disponibilização: dc.date.available2022-02-22T00:19:05Z-
Data de envio: dc.date.issued2020-12-10-
Data de envio: dc.date.issued2020-12-10-
Data de envio: dc.date.issued2019-12-31-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1109/MIS.2019.2949984-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/197720-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/197720-
Descrição: dc.descriptionThe demand for automatic scene change detection has massively increased in the last decades due to its importance regarding safety and security issues. Although deep learning techniques have provided significant enhancements in the field, such methods must learn which object belongs to the foreground or background beforehand. In this article, we propose an approach that employs siamese U-Nets to address the task of change detection, such that the model learns to perform semantic segmentation using background reference frames only. Therefore, any object that comes up into the scene defines a change. The experimental results show the robustness of the proposed model over the well-known public dataset CDNet2014. Additionally, we also consider a private dataset called PetrobrasROUTES, which comprises obstruction or abandoned objects in escape routes in hazardous environments. Moreover, the experiments show that the proposed approach is more robust to noise and illumination changes.-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionPetrobras-
Descrição: dc.descriptionSao Paulo State Univ, Sao Paulo, Brazil-
Descrição: dc.descriptionPetr Brasileiro SA Petrobras, Rio De Janeiro, Brazil-
Descrição: dc.descriptionUniv Fortaleza, UNIFOR, Fortaleza, Ceara, Brazil-
Descrição: dc.descriptionSao Paulo State Univ, Sao Paulo, Brazil-
Descrição: dc.descriptionFAPESP: 2013/07375-0-
Descrição: dc.descriptionFAPESP: 2014/12236-1-
Descrição: dc.descriptionFAPESP: 2016/19403-6-
Descrição: dc.descriptionFAPESP: 2017/25908-6-
Descrição: dc.descriptionCNPq: 307066/2017-7-
Descrição: dc.descriptionCNPq: 427968/2018-6-
Descrição: dc.descriptionCNPq: 304315/2017-6-
Descrição: dc.descriptionCNPq: 430274/2018-1-
Descrição: dc.descriptionPetrobras: 2017/00285-6-
Formato: dc.format44-53-
Idioma: dc.languageen-
Publicador: dc.publisherIeee Computer Soc-
Relação: dc.relationIeee Intelligent Systems-
???dc.source???: dc.sourceWeb of Science-
Palavras-chave: dc.subjectDecoding-
Palavras-chave: dc.subjectImage segmentation-
Palavras-chave: dc.subjectSemantics-
Palavras-chave: dc.subjectTraining data-
Palavras-chave: dc.subjectNeural networks-
Palavras-chave: dc.subjectIntelligent systems-
Palavras-chave: dc.subjectTask analysis-
Palavras-chave: dc.subjectHuman computer interaction-
Palavras-chave: dc.subjectScene Change Detection-
Palavras-chave: dc.subjectSiamese Convolutional Neural Networks-
Palavras-chave: dc.subjectU-Nets-
Palavras-chave: dc.subjectRoute Obstruction Detection-
Título: dc.titleA Novel Siamese-Based Approach for Scene Change Detection With Applications to Obstructed Routes in Hazardous Environments-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.