
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Domingues Filho, G. M. | - |
| Autor(es): dc.creator | Ranieri, C. M. | - |
| Autor(es): dc.creator | Matos, S. N. | - |
| Autor(es): dc.creator | Meneguette, R. I. | - |
| Autor(es): dc.creator | Ueyama, J. | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T20:42:53Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T20:42:53Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2024-10-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/TLA.2024.10738344 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/306661 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/306661 | - |
| Descrição: dc.description | Flooding is one of the most impactful natural disasters, causing significant losses and prompting extensive research into monitoring water levels in urban streams. Current technologies rely on pressure and ultrasonic sensors, which, while accurate, can be susceptible to damage from floods and are often costly. As an alternative, ground camera approaches offer a low-cost solution; however, most of these methods use raw images from the water stream and are sensitive to environmental factors. We address this gap with a dataset comprising a visual marker with black bars indicating the water level, which we refer to as barcode panel. We employed various deep learning algorithms to predict the water level and compared their performance. The proposed approach was evaluated using classic classification and error metrics. The models demonstrated accuracy in detecting the water level. These promising results provide important insights for practical applications and future studies. | - |
| Descrição: dc.description | Univ Sao Paulo, Sao Carlos, Brazil | - |
| Descrição: dc.description | Sao Paulo State Univ, Rio Claro, Brazil | - |
| Descrição: dc.description | Sao Paulo State Univ, Rio Claro, Brazil | - |
| Formato: dc.format | 892-898 | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Ieee-inst Electrical Electronics Engineers Inc | - |
| Relação: dc.relation | Ieee Latin America Transactions | - |
| ???dc.source???: dc.source | Web of Science | - |
| Palavras-chave: dc.subject | Cameras | - |
| Palavras-chave: dc.subject | Floods | - |
| Palavras-chave: dc.subject | Bars | - |
| Palavras-chave: dc.subject | Detectors | - |
| Palavras-chave: dc.subject | Deep learning | - |
| Palavras-chave: dc.subject | Visualization | - |
| Palavras-chave: dc.subject | Water resources | - |
| Palavras-chave: dc.subject | Accuracy | - |
| Palavras-chave: dc.subject | Meteorology | - |
| Palavras-chave: dc.subject | Classification algorithms | - |
| Palavras-chave: dc.subject | deep learning | - |
| Palavras-chave: dc.subject | computer vision | - |
| Palavras-chave: dc.subject | flood management | - |
| Palavras-chave: dc.subject | visual marker | - |
| Título: dc.title | Deep Learning and object detection for water level measurement using patterned visual markers | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: