Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufu.br/handle/123456789/21919
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.creator | Spolti, Amanda Costa | - |
dc.date.accessioned | 2018-07-18T17:19:48Z | - |
dc.date.available | 2018-07-18T17:19:48Z | - |
dc.date.issued | 2018-06-21 | - |
dc.identifier.citation | 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. | pt_BR |
dc.identifier.uri | https://repositorio.ufu.br/handle/123456789/21919 | - |
dc.description.sponsorship | CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Uberlândia | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | deep learning | pt_BR |
dc.subject | u-net | pt_BR |
dc.subject | autoencoder | pt_BR |
dc.subject | classificação de imagens | pt_BR |
dc.title | Classificação de vias através de imagens aéreas usando Deep Learning | pt_BR |
dc.title.alternative | Road classification from aerial images using deep learning | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.contributor.advisor1 | Souza, Jefferson Rodrigo de | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1805897404307170 | pt_BR |
dc.contributor.referee1 | Miani, Rodrigo Sanches | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/2992074747740327 | pt_BR |
dc.contributor.referee2 | Gabriel, Paulo Henrique Ribeiro | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/3181954061121790 | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/2411143846777340 | pt_BR |
dc.description.degreename | Trabalho de Conclusão de Curso (Graduação) | pt_BR |
dc.description.resumo | 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. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.course | Sistemas de Informação | pt_BR |
dc.sizeorduration | 31 | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | pt_BR |
Aparece en las colecciones: | TCC - Sistemas de Informação (Uberlândia) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
ClassificacaoViasAtraves.pdf | 1.86 MB | Adobe PDF | ![]() Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.