Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/46118
Registro completo de metadados
Campo DCValorIdioma
dc.creatorBarbosa, Rodrigo Carvalho-
dc.date.accessioned2021-02-12T16:22:52Z-
dc.date.available2021-02-12T16:22:52Z-
dc.date.issued2021-02-12-
dc.date.submitted2020-11-19-
dc.identifier.citationBARBOSA, R. C. Classificação de veículos baseada em Deep Learning para aplicação em semáforos inteligentes. 2020. 87 p. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Lavras, Lavras, 2021.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/46118-
dc.description.abstractCurrently, in the literature, many studies appear every moment in order to reduce human intervention and improve the quality of life, proposing new services, mechanisms through applications, technological innovations and automatic sensors. Aiming at urban mobility, traffic lights are services that are exploited. Algorithms of DL have been widely used for identification and classification of images for decision making in traffic, with the objective of detecting safety and public health vehicles. However, there is a lack of algorithms to classify images into intelligent traffic lights with high precision and quick response. In this research, an image detection system is proposed for different types of services such as security, health and public transport vehicles and common vehicles, integrated with an intelligent traffic light. In addition, a prioritization algorithm based on CTB is also proposed. The detection system is based on a DL algorithm, using an improved model from YOLOv3, which was called the Priority Vehicle Identification Network (PVInet). In addition, a design strategy for the PVInet model is proposed, which presents a high performance in terms of execution time. For the training of the PVInet model, a new BD was created that considers homogeneous images of Brazilian traffic vehicles, since the current BD available in the literature are heterogeneous images. Our solution proposal can help to reduce the waiting time for vehicles with priority on roads controlled by a traffic light, something that does not happen when compared to a current traffic light with fixed waiting times.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsacesso abertopt_BR
dc.subjectClassificação por imagenspt_BR
dc.subjectDeep learningpt_BR
dc.subjectYou Only Look Oncept_BR
dc.subjectSemáforos inteligentespt_BR
dc.subjectCódigo de trânsito brasileiropt_BR
dc.subjectClassification by imagespt_BR
dc.subjectSmart semaphorept_BR
dc.subjectBrazilian traffic codept_BR
dc.titleClassificação de veículos baseada em Deep Learning para aplicação em semáforos inteligentespt_BR
dc.typedissertaçãopt_BR
dc.publisher.programPrograma de Pós-Graduação em Ciência da Computaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countrybrasilpt_BR
dc.contributor.advisor1Zegarra Rodríguez, Demóstenes-
dc.contributor.advisor-co1Rosa, Renata Lopes-
dc.contributor.referee1Silva, Bruno de Abreu-
dc.contributor.referee2Giacomin, João Carlos-
dc.description.resumoAtualmente, na literatura, muitos estudos surgem a cada momento a fim de diminuir a intervenção humana e melhorar a qualidade de vida, propondo novos serviços, mecanismos por meio de aplicativos, inovações tecnológicas e sensores automáticos. Visando à mobilidade urbana, os semáforos de trânsito são serviços que são explorados. Algoritmos de Deep Learning (DL) vêm sendo muito utilizados para identificação e classificação de imagens para tomada de decisão no trânsito, com o objetivo de detectar veículos de segurança e saúde pública. Porém, faltam algoritmos para classificar imagens em semáforos inteligentes com alta precisão e de resposta rápida. Nesta pesquisa, é proposto um sistema de detecção de imagens para diferentes tipos de serviços como veículos de segurança, saúde e transporte público e veículos comuns, integrado a um semáforo inteligente. Além disso, também é proposto um algoritmo de priorização baseado no Código de Trânsito Brasileiro (CTB). O sistema de detecção é embasado em um algoritmo DL, usando um modelo aprimorado do You Only Look Once (Version 3) (YOLOv3), que foi chamada de Rede de identificação de veículos prioritários (PVInet, do inglês Priority Vehicles Identification Network). Além disso, é proposta uma estratégia de design para o modelo PVInet que apresenta um alto desempenho em termos de tempo de execução. Para o treinamento do modelo PVInet, foi criado um novo Banco de Dados (BD) que considera imagens homogêneas de veículos do trânsito Brasileiro, uma vez que os atuais BD disponível na literatura são de imagens heterogêneas. A proposta da nossa solução pode ajudar a reduzir o tempo de espera de veículos com prioridade nas estradas controladas por um semáforo, algo que não ocorre quando comparado a um semáforo atual com tempos de espera fixos.pt_BR
dc.publisher.departmentDepartamento de Ciência da Computaçãopt_BR
dc.subject.cnpqCiência da Computaçãopt_BR
dc.creator.Latteshttp://lattes.cnpq.br/9263225959371739pt_BR
Aparece nas coleções:Ciência da Computação - Mestrado (Dissertações)



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