Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/25942
ORCID: | http://orcid.org/0000-0003-2135-3844 |
Document type: | Trabalho de Conclusão de Curso |
Access type: | Acesso Aberto |
Title: | Identificação de objetos utilizando visão Neuromórfica e redes neurais convolutivas |
Alternate title (s): | identification of objects using Neuromorphic vision and convolutional neural networks |
Author: | Gouveia, Eduardo Borges |
First Advisor: | Soares, Alcimar Barbosa |
First member of the Committee: | Oliveira, Sérgio Ricardo de Jesus |
Second member of the Committee: | Silva, Andrei Nakagawa |
Summary: | O reconhecimento e identificação de objetos através de visão computacional, usando algoritmos de aprendizagem profunda, são capazes de proporcionar resultados acurados, porém é um processo desafiador, e de alto custo computacional. Esse processo custoso é consequência de um conjunto de características das imagens tradicionais como, por exemplo, seu alto volume de dados, a resolução espacial das imagens que é tão maior quanto sua quantidade de pixels e a arquitetura robustas de hardwares de alto desempenho. Entretanto, o sistema visual biológico realiza essa tarefa com extrema maestria, sofisticação, alto desempenho e baixo custo energético; sua alta capacidade é fruto de anos de evolução e aperfeiçoamento. A engenharia neuromórfica utiliza uma abordagem totalmente bioinspirada para tentar alcançar a eficiência da natureza biológica e, consequentemente, abranger as fronteiras do conhecimento da neurociência. Aliando um sensor de visão neuromórfico com algoritmos bioinspirados, desenvolvemos um sistema de visão computacional para classificação e identificação de objetos utilizando redes neurais convolutivas. O modelo de aprendizado desenvolvido apresentou uma acurácia de 75.31% utilizando um dataset de imagens gravados por uma câmera neuromórfica (DVS-128). |
Abstract: | The recognition and identification of objects through computer vision, using deep learning algorithms, are able to provide accurate results, but it is a challenging process, and a high computational cost. This costly process is a consequence of feel characteristics of traditional images, such as high dimensionality, the spatial resolution of images that is as large as their amount of pixels and the robust architecture of hardware that require high performance. However, the biological visual system accomplishes this task with extreme mastery, sophistication, high performance and low energy cost; its high capacity is the fruit of years of evolution and improvement. Neuromorphic engineering uses a totally bioinspired approach to try to achieve the efficiency of biological nature and hence embrace the frontiers of knowledge in neuroscience. Combining a neuromorphic vision sensor with bioinspired algorithms, we developed a computer vision system for classification and identification of objects using convolutional neural networks. The developed learning model presented an accuracy of 75.31% using a dataset of images recorded by a neuromorphic camera (DVS-128). |
Keywords: | Visão neuromórfica Redes neurais convolutivas |
Area (s) of CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Quote: | GOUVEIA, Eduardo Borges. Identificação de objetos utilizando visão Neuromórfica e redes neurais convolutivas. 2019. 44 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Biomédica) – Universidade Federal de Uberlândia, Uberlândia, 2019. |
URI: | https://repositorio.ufu.br/handle/123456789/25942 |
Date of defense: | 3-Jul-2019 |
Appears in Collections: | TCC - Engenharia Biomédica |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
IdentificacaoObjetosUtilizando.pdf | TCC | 1.89 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.