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 | University of Brasília | - |
Autor(es): dc.contributor | University of Brasília | - |
Autor(es): dc.contributor | Dom Bosco Catholic University | - |
Autor(es): dc.contributor | Dom Bosco Catholic University | - |
Autor(es): dc.contributor | Federal University of Mato Grosso do Sul | - |
Autor(es): dc.creator | Santos, Lara Monalisa Alves dos | - |
Autor(es): dc.creator | Zanoni, Vanda Alice Garcia | - |
Autor(es): dc.creator | Bedin, Eduardo | - |
Autor(es): dc.creator | Pistori, Hemerson | - |
Data de aceite: dc.date.accessioned | 2025-09-01T11:57:01Z | - |
Data de disponibilização: dc.date.available | 2025-09-01T11:57:01Z | - |
Data de envio: dc.date.issued | 2025-03-18 | - |
Data de envio: dc.date.issued | 2025-03-18 | - |
Data de envio: dc.date.issued | 2022 | - |
Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/51959 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.1016/j.cscm.2023.e01917 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0001-8181-760X | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1118976 | - |
Descrição: dc.description | Maintenance on flat roofs is a complex activity. Equipment improperly positioned on flat roofs hinders the correct drainage of water and makes maintenance services more difficult. This article presents an experiment with deep learning algorithms involving 330 images acquired in 9 buildings by Unmanned Aerial Vehicle-UAV. This dataset was created by the authors to optimize decision-making for maintenance through automated processes and is being used for the first time in this article. The dataset refers to condenser equipment positioned on flat roofs and was tested in six state-of-the-art object-detection deep learning algorithms: Region-based convolutional neural networks (Faster R-CNN), Focal Loss (Retina-Net), Adaptive Training Sample Selection (ATSS), VarifocalNet (Vfnet), Side-Aware Boundary Localization (SABL) and FoveaBox (Fovea). Nine performance metrics were applied, achieving successful results by Faster R-CNN (Recall=0.93, Fscore=0.93, MAE=0.43) followed by ATSS (Precision=0.95). In a system with many variables, the target is the identification of the best algorithm capable of solving the proposed problem. In conclusion, the types of errors analyzed in detection alert to the diversity of causes related to the inherent characteristics of flat roofs that induce network confusion. | - |
Descrição: dc.description | Faculdade de Arquitetura e Urbanismo (FAU) | - |
Descrição: dc.description | Departamento de Tecnologia em Arquitetura e Urbanismo (FAU TEC) | - |
Descrição: dc.description | Programa de Pós-Graduação em Arquitetura e Urbanismo | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Elsevier Ltd. | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | This is an open access article under the CC BY license (http://creativecommons.org/licenses/by/4.0/). | - |
Palavras-chave: dc.subject | Telhado plano - manutenção | - |
Palavras-chave: dc.subject | Detecção de equipamentos | - |
Palavras-chave: dc.subject | Inspeção predial | - |
Palavras-chave: dc.subject | Veículos aéreos não tripulados (VANTs) | - |
Palavras-chave: dc.subject | Visão computacional | - |
Palavras-chave: dc.subject | Aprendizado profundo | - |
Título: dc.title | Deep learning applied to equipment detection on flat roofs in images captured by UAV | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: