Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Orosa, Luis Martí | - |
Autor(es): dc.contributor | Carvalho, Aline Marins Paes | - |
Autor(es): dc.contributor | Sánchez, Nayat | - |
Autor(es): dc.creator | Boden, Lucas Hippertt Stuart | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:07:55Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:07:55Z | - |
Data de envio: dc.date.issued | 2018-02-20 | - |
Data de envio: dc.date.issued | 2018-02-20 | - |
Data de envio: dc.date.issued | 2018 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/5800 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/764145 | - |
Descrição: dc.description | Existem diversos modelos e parâmetros que podem ser utilizados ao classificarmos imagens utilizando \emph{Deep Learning}. Essas diversas variações afetam diretamente a qualidade das predições realizadas, e no contexto de veículos autônomos, esses valores podem ser a diferença entre o carro se manter na estrada ou não. Por este motivo, este projeto visa realizar um estudo de como a utilização de diferentes técnicas e arquiteturas de \emph{Deep Learning} afetam a qualidade da predição do ângulo que o veículo deve tomar para a tarefa de direção autônoma, através da realização de experimentos teóricos e práticos, com o intuito de obter resultados que possam ser utilizados tanto na tarefa de direção autônoma de veículos quanto em tarefas semelhantes | - |
Descrição: dc.description | There are several models and parameters that can be used to classify images using Deep Learning. These variations directly aect the quality of the assumptions made, and in context of autonomous vehicles, these values can be deferred in the car whether to stay on the road or not. For this reason, this project aims to perform a study of how the use of techniques and architectures of Deep Learning aect the quality of the angle prediction that the vehicle must take to the task of autonomous steering, through the realization of theoretical experiments and practical, in order to obtain results that are used both in the task of autonomous steering of vehicles and in similar tasks | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Deep learning | - |
Palavras-chave: dc.subject | Veículos autônomos | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Veículo autônomo | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Self driving cars | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Título: dc.title | Arquiteturas deep learning aplicadas em veículos autônomos | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: