1. Repositório Institucional - Universidade Federal de Uberlândia
2. Faculdade de Computação (FACOM)
3. TCC - Sistemas de Informação (Uberlândia)

Document type:	Trabalho de Conclusão de Curso
Access type:	Acesso Aberto
Title:	Classificação de vias através de imagens aéreas usando Deep Learning
Alternate title (s):	Road classification from aerial images using deep learning
Author:	Spolti, Amanda Costa
First Advisor:	Souza, Jefferson Rodrigo de
First member of the Committee:	Miani, Rodrigo Sanches
Second member of the Committee:	Gabriel, Paulo Henrique Ribeiro
Summary:	Com o avanço da tecnologia e consequentemente o aumento do poder de processamento e armazenamento de dados, técnicas que antes eram vistas como inviáveis têm ganhado espaço no âmbito de aprendizado de máquina principalmente em aplicações que envolvem o processamento de imagens. O objetivo deste trabalho é o estudo e aplicação de arquiteturas de Deep Learning para a classificação de vias a partir de uma imagem aérea visando facilitar tarefas como otimização de rotas. Para isso, foi utilizada uma arquitetura nomeada U-Net que foi comparada com outra arquitetura (AutoEnconder), onde a U-Net obteve 92.8% de precisão e 88.8% de acurácia, e o AutoEncoder 89.9% e 88% de precisão e acurácia respectivamente, nos dados de teste. Os resultados mostraram a eficiência da arquitetura usada para a extração de vias bem como a possibilidade de sua aplicação em problemas atuais.
Keywords:	deep learning u-net autoencoder classificação de imagens
Area (s) of CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language:	por
Country:	Brasil
Publisher:	Universidade Federal de Uberlândia
Quote:	SPOLTI, Amanda. Classificação de vias através de imagens aéreas usando Deep Learning. 2018. 31 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2018.
URI:	https://repositorio.ufu.br/handle/123456789/21919
Date of defense:	21-Jun-2018
Appears in Collections:	TCC - Sistemas de Informação (Uberlândia)

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.