Avaliação de aprendizagem LBP para segmentação semântica de pavimentação asfáltica baseada em U-Net

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMelo, Leonimer Flávio de-
Autor(es): dc.contributorFrança, Maria Bernadete de Morais-
Autor(es): dc.contributorBatista, Daniel Strufali-
Autor(es): dc.contributorSouza, Wesley Angelino de-
Autor(es): dc.creatorYui, Mauricio Kendi-
Data de aceite: dc.date.accessioned2025-05-15T13:08:27Z-
Data de disponibilização: dc.date.available2025-05-15T13:08:27Z-
Data de envio: dc.date.issued2024-10-15-
Data de envio: dc.date.issued2024-10-15-
Data de envio: dc.date.issued2024-07-30-
Fonte completa do material: dc.identifierhttps://repositorio.uel.br/handle/123456789/18052-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/980995-
Descrição: dc.descriptionA direção autônoma emerge naturalmente do notável avanço demonstrado pela Inteligência Artificial (IA) nos últimos anos, impulsionada, em grande parte, pelo desenvolvimento contínuo de recursos de hardware e software. Nesse contexto, este trabalho propõe a aplicação de ferramentas de IA, mais especificamente no domínio da Aprendizagem Profunda, para realizar a segmentação semântica de pavimentações asfálticas em imagens rasterizadas. A abordagem adotada utiliza a rede neural U-Net para alcançar esse objetivo, enquanto o algoritmo Local Binary Pattern (LBP) é investigado devido à sua vantagem declarada de invariância luminosa. Este trabalho contribui ao validar que a integração do algoritmo LBP pode aprimorar o desempenho da rede neural U-Net, especialmente em condições não previstas na base de dados de treinamento original.-
Descrição: dc.descriptionAutonomous driving emerges naturally from the remarkable advancement demonstrated by Artificial Intelligence (AI) in recent years, driven, in large part, by the continuous development of hardware and software resources. In this context, this works proposes the application of AI tools, more specifically in the domain of Deep Learning, to perform the semantic segmentation of asphalt paving in raster images. The adopted approach uses the U-Net neural network to achieve this objective, while the Local Binary Pattern (LBP) algorithm is investigated due to its declared advantage of light invariance. This work contributes by validating that the integration of the LBP algorithm can improve the performance of the U-Net neural network, especially in conditions not foreseen in the original training database.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Relação: dc.relationCTU - Departamento de Engenharia Elétrica-
Relação: dc.relationPrograma de Pós-Graduação em Engenharia Elétrica-
Relação: dc.relationUniversidade Estadual de Londrina - UEL-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectAprendizagem de máquina-
Palavras-chave: dc.subjectAprendizagem profunda-
Palavras-chave: dc.subjectRedes neurais artificiais-
Palavras-chave: dc.subjectVisão computacional-
Palavras-chave: dc.subjectDireção autônoma-
Palavras-chave: dc.subjectLocal Binary Pattern (LBP)-
Palavras-chave: dc.subjectEngenharias - Engenharia Elétrica-
Palavras-chave: dc.subjectEngenharias - Engenharia Elétrica-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectDeep learning-
Palavras-chave: dc.subjectArtificial neural networks-
Palavras-chave: dc.subjectComputer vision-
Palavras-chave: dc.subjectAutonomous driving-
Palavras-chave: dc.subjectLocal Binary Pattern (LBP)-
Título: dc.titleAvaliação de aprendizagem LBP para segmentação semântica de pavimentação asfáltica baseada em U-Net-
Título: dc.titleEvaluation of LPB learning for U-Net based road semantic segmentation-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional da UEL - RIUEL

Não existem arquivos associados a este item.