Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11422/22718
Especie: Dissertação
Título : On data augmentation techniques for the automatic detection of mosquito breeding grounds using videos
Otros títulos: Acerca de técnicas de aumento de dados para a detecção automática de focos de mosquito usando vídeos
Autor(es)/Inventor(es): Barros, Bettina D'Avila
Tutor: Netto, Sergio Lima
Tutor : Silva, Eduardo Antônio Barros da
Resumen: Esta dissertação discute sobre técnicas de aumento de dados para detectar potenciais focos de mosquito usando vídeos gravados por um drone. Primeiramente, um estudo sobre doenças transmitidas por mosquitos é apresentado para propor um sistema de visão computacional capaz de automaticamente detectar objetos associados a criadouros. Uma base de dados composta por seis vídeos aéreos contendo objetos como caixas d’água, pneus e garrafas é desenvolvida, desde a etapa de planejamento até a de execução (gravação e anotação). Entretando, devido a dificuldade de obter uma base extensiva de cenários reais, técnicas de aumento artificial de dados são apresentadas. Esse trabalho contempla três métodos para inserir imagens de objetos em vídeos a fim de aumentar o número de objetos do conjunto de treino. Por fim, uma rede neural convolucional é proposta para avaliar essas técnicas, indicando que o aumento artificial de dados reduz o sobreajuste, melhorando a capacidade da rede de detectar os objetos de interesse.
Resumen: This work discusses data augmentation techniques for detecting mosquito breed- ing grounds using videos recorded by a drone. Firstly, a study regarding mosquito- related diseases is presented in order to propose a computer vision system capable of automatically detecting disease-related objects, such as water tanks, tires, and bottles. A database composed of six aerial videos containing breeding-related ob- jects is devised, including its planning and execution (recording and annotation) stages. However, due to the difficulty of obtaining extensive records of real sce- narios, artificial data augmentation techniques are presented. This work addresses three methods of inserting images of the objects into videos in order to increase the number of objects in the training set. Finally, a convolutional neural network detec- tor is used to evaluate these techniques, indicating that artificial data augmentation reduces overfitting, improving the overall detection performance by the proposed network.
Materia: Controle de mosquitos
Visão computacional
Aprendizado computacional
Materia CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
Programa: Programa de Pós-Graduação em Engenharia Elétrica
Unidade de producción: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Editor: Universidade Federal do Rio de Janeiro
Fecha de publicación: feb-2019
País de edición : Brasil
Idioma de publicación: eng
Tipo de acceso : Acesso Aberto
Aparece en las colecciones: Engenharia Elétrica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
925006.pdf4.03 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.