Redes neurais convolucionais de um e dois estágios para detecção e classificação de placas pare e de velocidade

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorAndrade, Mauren Louise Sguario Coelho de-
Autor(es): dc.contributorAndrade, Mauren Louise Sguario Coelho de-
Autor(es): dc.contributorRanthum, Rogério-
Autor(es): dc.contributorAlmeida, Simone de-
Autor(es): dc.creatorVillas Boas, Plinio-
Autor(es): dc.creatorAzevedo, Thomaz Casquel de-
Data de aceite: dc.date.accessioned2025-08-29T13:39:52Z-
Data de disponibilização: dc.date.available2025-08-29T13:39:52Z-
Data de envio: dc.date.issued2025-07-02-
Data de envio: dc.date.issued2025-07-02-
Data de envio: dc.date.issued2024-12-18-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/37312-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1117212-
Descrição: dc.descriptionThis work investigates the application of Convolutional Neural Networks (CNNs) for traffic sign detection and classification, using one-stage and two-stage approaches. The one-stage models, based on YOLOv8, integrate detection and classification into a single flow, prioritizing speed and simplicity. The two-stage models, which incorporate Keras-OCR, add an extra classification stage, increasing accuracy. A customized dataset was developed with images of speed and stop signs, using pre-processing and annotation techniques to improve quality. Metrics such as mAP, precision and recall were used to evaluate the models, demonstrating that one-stage approaches are ideal for real-time applications, while two-stage approaches excel in more complex scenarios. The research highlights the importance of choosing suitable CNN architectures for Intelligent Transportation Systems (ITS) and Advanced Driver Assistance Systems (ADAS), contributing to safer and more efficient autonomous technologies. The final two-stage model has a mAP of 0.95 in the first stage and an accuracy of 0.77 for 8 classes. It also achieves an accuracy of 100% in two of the eight classes: Stop and v20. It also has accuracies greater than 0.93 for two others: v30 and v60.-
Descrição: dc.descriptionEste trabalho investiga a aplicação de Redes Neurais Convolucionais (CNNs) para detecção e classificação de placas de trânsito, utilizando abordagens de um e dois estágios. Modelos de um estágio, baseados no OLOv8, integram detecção e classificação em um único fluxo, priorizando velocidade e simplicidade. Já os modelos de dois estágios, que incorporam o Keras-OCR, adicionam uma etapa extra de classificação, aumentando a precisão. Foi desenvolvido um conjunto de dados customizado com imagens de placas de velocidade e pare, utilizando técnicas de pré-processamento e anotação para aprimorar a qualidade. Métricas como mAP, precisão e recall foram utilizadas para avaliar os modelos, demonstrando que abordagens de um estágio são ideais para aplicações em tempo real, enquanto as de dois estágios se destacam em cenários mais complexos. A pesquisa ressalta a importância de escolher arquiteturas adequadas de CNN para Sistemas de Transporte Inteligentes (ITS) e Sistemas Avançados de Assistência ao Condutor (ADAS), contribuindo para tecnologias autônomas mais seguras e eficientes. O modelo de dois estágios final apresenta um mAP de 0,95 no primeiro estágio e precisão de 0,77 para 8 classes. Além disso, ainda alcança uma precisão de 100% em duas das oito classes: Pare e v20. Ainda possui precisões maiores do que 0,93 para outras duas: v30 e v60.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPonta Grossa-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Informática-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectSinais e placas de sinalização-
Palavras-chave: dc.subjectDetectores-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectAgentes inteligentes (Software)-
Palavras-chave: dc.subjectSigns and signboards-
Palavras-chave: dc.subjectDetectors-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectIntelligent agents (Computer software)-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleRedes neurais convolucionais de um e dois estágios para detecção e classificação de placas pare e de velocidade-
Título: dc.titleOne and two-stage convolutional neural networks for stop and speed limit signs detection and classification-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.