Módulo de reconhecimento de imagens anômalas baseado em microsserviços

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBrilhador, Anderson-
Autor(es): dc.contributorBrilhador, Anderson-
Autor(es): dc.contributorNaves, Thiago França-
Autor(es): dc.contributorConti, Giuvane-
Autor(es): dc.creatorBoniolo, Rafael-
Data de aceite: dc.date.accessioned2022-02-21T22:02:45Z-
Data de disponibilização: dc.date.available2022-02-21T22:02:45Z-
Data de envio: dc.date.issued2020-11-18-
Data de envio: dc.date.issued2020-11-18-
Data de envio: dc.date.issued2019-12-04-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/15625-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/666569-
Descrição: dc.descriptionThis work presents the development of an anomalous image recognition module in the context of civil construction based on microservices architecture. The KNN and OCSVM classifiers are used together with the local descriptors HOG, SIFT, SURF and ORB in different PCA dimensions. The dataset was built using Web Scrapping which includes images that belongs to construction and also from other anomalous classes. For microservices, the Spring Framework was used to build services in the frontend, backend and management levels. The best combination of descriptor, classifier and PCA originated a classification model to be deployed in a web service. The HOG local descriptor no use of PCA with the KNN classifier obtained the best performance, achieving 96.2 % metric precision rate when performing the anomalous image detection task, in which the resulting classification model was later embedded and made available for use in a web application.-
Descrição: dc.descriptionEste trabalho apresenta o desenvolvimento de um módulo reconhecedor de imagens anômalas ao contexto da construção civil com base na arquitetura de microsserviços. Utilizam-se os classificadores KNN e OC-SVM juntamente com os descritores locais HOG, SIFT, SURF e ORB em diferentes dimensionalidades do espaço de característica utilizando o PCA. A base de dados foi construída por meio de Web Crawler o qual contempla imagenspertencentes a construção civil e também de outras classes anômalas. Para microsserviços, utilizo se o framework Spring na construção dos serviços em níveis de front-end, back-end e gerenciamento. A melhor combinação entre descritor, classificador e PCA deu origem a um modelo de classificação a ser implantado em um serviço web. O descritor local HOG sem aplicação de PCA junto com o classificador KNN obtiveram o melhor desempenho, alcançando 96,2% de taxa na métrica precisão quando feito a tarefa de detecção de imagens anômalas, na qual o modelo de classificação resultante foi posteriormente embutido e disponibilizado para uso em uma aplicação web.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherSanta Helena-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectSistemas de reconhecimento de padrões-
Palavras-chave: dc.subjectConstrução civil-
Palavras-chave: dc.subjectAutomação-
Palavras-chave: dc.subjectPattern recognition systems-
Palavras-chave: dc.subjectBuilding-
Palavras-chave: dc.subjectAutomation-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA-
Título: dc.titleMódulo de reconhecimento de imagens anômalas baseado em microsserviços-
Título: dc.titleMicroservices based anomalous image recognition module-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.