Ir direto para menu de acessibilidade.
Página inicial > Defesas > Segmentação de Instância de Imagem Aérea Através de Dados Sintéticos Usando Aprendizado Profundo
Início do conteúdo da página

Segmentação de Instância de Imagem Aérea Através de Dados Sintéticos Usando Aprendizado Profundo

Última atualização em Quinta, 08 de Agosto de 2019, 17h36 | Acessos: 1470

Discente: Felipe Ximenes

 

Segmentação de Instância de Imagem Aérea Através de Dados Sintéticos Usando Aprendizado Profundo


Resumo: A segmentação de instâncias é uma habilidade essencial para evitar obstáculos quando um veículo autônomo interage com o mundo real. Coletar dados usando um UAV navegando em um cenário do mundo real é uma atividade que requer alto custo e tempo. Ao adotar um simulador 3D foto-realista como fonte de dados, podemos obter muitos dados e uma maneira mais flexível de alterar as características do ambiente. Neste trabalho, usamos dados sintéticos para treinar um modelo de segmentação de instância usando um ambiente que simula uma cidade. A técnica utilizada é a Máscara R-CNN, um modelo de aprendizagem profunda de última geração, por exemplo, segmentação. Após o treinamento, verificamos a generalização deste modelo através deste ambiente.

Orientador: Diego Barreto Haddad e Gabriel Matos Araujo
Banca: Diego Barreto Haddad (CEFET/RJ) (presidente), Gabriel Matos Araujo (CEFET/RJ), Luís Tarrataca (CEFET/RJ), Rodrigo Tosta Peres (CEFET/RJ), Eduardo Antonio Silva Barros (UFRJ)

Dia/hora: 07/08/2019, 10h
Sala: E-518 (Maracanã)

Fim do conteúdo da página