Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11422/22718
Tipo: Dissertação
Título: On data augmentation techniques for the automatic detection of mosquito breeding grounds using videos
Título(s) alternativo(s): 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
Orientador: Netto, Sergio Lima
Coorientador: Silva, Eduardo Antônio Barros da
Resumo: 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.
Resumo: 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.
Palavras-chave: Controle de mosquitos
Visão computacional
Aprendizado computacional
Assunto CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
Programa: Programa de Pós-Graduação em Engenharia Elétrica
Unidade produtora: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Editora: Universidade Federal do Rio de Janeiro
Data de publicação: Fev-2019
País de publicação: Brasil
Idioma da publicação: eng
Tipo de acesso: Acesso Aberto
Aparece nas coleções:Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
925006.pdf4.03 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.