Registro fonte: Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais

Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais

Identifying and classifying objects in an image is a process that has attracted attention in recent years due to the evolution of artificial neural networks. Today there are artificial neural networks capable of being trained with N classes and still maintain a high accuracy for predicting objects....

ver descrição completa

Autor principal:	Santos, Valéria Nunes dos
Formato:	Trabalho de Conclusão de Curso (Graduação)
Idioma:	Português
Publicado em:	Universidade Tecnológica Federal do Paraná 2020
Assuntos:	Processamento de imagens Aprendizado do computador Catalogação - Processamento de dados Image processing Machine learning Cataloging - Data processing CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Acesso em linha:	http://repositorio.utfpr.edu.br/jspui/handle/1/12497
Tags:	Adicionar Tag Sem tags, seja o primeiro a adicionar uma tag!

id	riut-1-12497
recordtype	dspace
spelling	riut-1-124972020-11-16T13:09:09Z Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais Recognition of objects in a scene using convolutional neural network Santos, Valéria Nunes dos Paula Filho, Pedro Luiz de Candido Junior, Arnaldo Aikes Junior, Jorge Menezes, Paulo Lopes de Paula Filho, Pedro Luiz de Candido Junior, Arnaldo Processamento de imagens Aprendizado do computador Catalogação - Processamento de dados Image processing Machine learning Cataloging - Data processing CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Identifying and classifying objects in an image is a process that has attracted attention in recent years due to the evolution of artificial neural networks. Today there are artificial neural networks capable of being trained with N classes and still maintain a high accuracy for predicting objects. The convolutional neural networks are the main ones when it comes to images because they are designed with a focus on finding objects in scenes. Thus, both the classification and location of cans and bottles in which the proposed objects are made possible through convolutional neural networks. It is important to stress that the training base of a convolutional neural network is summarized in large-scale computation, which in turn requires a lot of processing, so the use of tools that bring benefits in relation to the cost of processing such as GPUs and of CUDA technology was an indisputable criterion, since without them it would not be possible to use the ideal network configurations and also negatively impact the training time of the network. Finally, the results obtained with convolutional neural network training to detect cans and bottles reached expectations, considering that the network reached an average accuracy of 87.55%, in a time interval of approximately four days of training. Identificar e classificar objetos em uma imagem ´e um processo que tem chamado a atenção nos últimos anos devido a evolução das redes neurais artificias. Hoje existem redes neurais artificiais capazes de serem treinadas com N classes e ainda manter uma acurácia alta para predição de objetos. As redes neurais convolucionais são as principais quando se trata de imagens, pois foram projetadas com foco em localizar objetos em cenas. Com isso, tanto a classificação quanto a localização de latas e garrafas nos quais são os objetos propostos se torna possível através das redes neurais convolucionais. É importante frisar que a base do treinamento de uma rede neural convolucional se resume em cálculo de larga escala o que por sua vez requer muito processamento, logo o uso de ferramentas que tragam benefícios em relação ao custo de processamento como ´e o caso das GPUs e da tecnologia CUDA foi um critério indiscutível, pois sem estes não seria possível utilizar as configurações ideais da rede e também impactaria negativamente no tempo de treinamento da mesma. Por fim, os resultados obtidos com o treinamento da rede neural convolucional para detectar latas e garrafas atingiu as expectativas, considerando que a rede alcançou uma média de precisão de 87,55%, em um intervalo de tempo de aproximadamente quatro dias de treinamento. 2020-11-16T13:09:09Z 2020-11-16T13:09:09Z 2018-06-13 bachelorThesis SANTOS, Valéria Nunes dos. Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais. 2018. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Medianeira, 2018. http://repositorio.utfpr.edu.br/jspui/handle/1/12497 por openAccess application/pdf Universidade Tecnológica Federal do Paraná Medianeira Brasil Ciência da Computação UTFPR
institution	Universidade Tecnológica Federal do Paraná
collection	RIUT
language	Português
topic	Processamento de imagens Aprendizado do computador Catalogação - Processamento de dados Image processing Machine learning Cataloging - Data processing CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
spellingShingle	Processamento de imagens Aprendizado do computador Catalogação - Processamento de dados Image processing Machine learning Cataloging - Data processing CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Santos, Valéria Nunes dos Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais
description	Identifying and classifying objects in an image is a process that has attracted attention in recent years due to the evolution of artificial neural networks. Today there are artificial neural networks capable of being trained with N classes and still maintain a high accuracy for predicting objects. The convolutional neural networks are the main ones when it comes to images because they are designed with a focus on finding objects in scenes. Thus, both the classification and location of cans and bottles in which the proposed objects are made possible through convolutional neural networks. It is important to stress that the training base of a convolutional neural network is summarized in large-scale computation, which in turn requires a lot of processing, so the use of tools that bring benefits in relation to the cost of processing such as GPUs and of CUDA technology was an indisputable criterion, since without them it would not be possible to use the ideal network configurations and also negatively impact the training time of the network. Finally, the results obtained with convolutional neural network training to detect cans and bottles reached expectations, considering that the network reached an average accuracy of 87.55%, in a time interval of approximately four days of training.
format	Trabalho de Conclusão de Curso (Graduação)
author	Santos, Valéria Nunes dos
author_sort	Santos, Valéria Nunes dos
title	Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais
title_short	Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais
title_full	Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais
title_fullStr	Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais
title_full_unstemmed	Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais
title_sort	reconhecimento de objetos em uma cena utilizando redes neurais convolucionais
publisher	Universidade Tecnológica Federal do Paraná
publishDate	2020
citation	SANTOS, Valéria Nunes dos. Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais. 2018. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Medianeira, 2018.
url	http://repositorio.utfpr.edu.br/jspui/handle/1/12497
_version_	1805301956731731968
score	10,814766

Reconhecimento de objetos em uma cena utilizando redes neurais convolucionais

Registros relacionados