Identificação automática de alvos padronizados através de redes neurais

Pinto, Carlos Fernando Carlim

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/7694

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Torres, Julio Cesar Boscher	-
dc.contributor.author	Pinto, Carlos Fernando Carlim	-
dc.date.accessioned	2019-05-03T13:31:21Z	-
dc.date.available	2023-12-21T03:05:00Z	-
dc.date.issued	2009-06	-
dc.identifier.uri	http://hdl.handle.net/11422/7694	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Processamento de imagens	pt_BR
dc.subject	Rede neural	pt_BR
dc.title	Identificação automática de alvos padronizados através de redes neurais	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorCo1	Gomes, José Gabriel Rodriguez Carneiro	-
dc.contributor.referee1	Petraglia, Mariane Rembold	-
dc.description.resumo	Neste trabalho investigou-se o comportamento de alguns padrões de alvos e avaliou-se qual padrão apresentou os maiores índices de acerto para uma rede neural. Os padrões a serem reconhecidos são alvos pré-definidos utilizados no processo de calibração dos sistemas de dimensionamento por estereofotogrametria e de reconstrução de cenas 2D e 3D. O processo de calibração desses sistemas requer a ação humana de relacionar o pixel central de cada alvo à sua posição espacial real, relativa a um ponto de espaço. Este é um processo demorado, que requer precisão e paciência do apurador, que está sujeito a erros devido à repetição de apurações e de similaridade dos alvos. A associação equívocada de um alvo invalida toda a calibração. Como forma de evitar tais erros e automatizar o processo de calibração, foram treinadas redes neurais capazes de identificar, em uma imagem, os pixels centrais dos alvos, para que uma rotina possa, automaticamente, associá-los aos pontos do objeto de calibração. A melhor rede projetada apresentou um desempenho com erro próximo de zero em seu treinamento, considerando um pré-processamento com Análise de Componentes Principais (PCA) e um pós-processamento de busca de centros de classes por “clusterização”.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Escola Politécnica	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::ENGENHARIAS	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Engenharia Eletrônica e de Computação

Files in This Item:

File	Description	Size	Format
monopoli10002629.pdf		3.56 MB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository