Ir para o conteúdo Ir para o menu
PPEEL Programa de Pós-Graduação em Engenharia Elétrica CEFET/RJ

Menu de Relevância

Programa (Program)

Informações (Info)

Impacto (Impact)

Outros (Others)

PPEEL: Programa de Pós-Graduação em Engenharia Elétrica

Defesa de mestrado do aluno Janks Karbdala Leal de Paiva

Detalhes

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA

DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO

DEPARTAMENTO DE PÓS-GRADUAÇÃO

COORDENADORIA DO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

 

Defesa de mestrado do aluno Janks Karbdala Leal de Paiva

 

Título: Camera Optimization in Smart Cities: Traffic Monitoring via Budgeted Maximum Coverage

Resumo: O monitoramento eficiente do tráfego constitui um componente essencial dos Sistemas Inteligentes de Transporte, pois fornece informações para a identificação de congestionamentos, a análise de fluxos veiculares e o planejamento operacional da mobilidade urbana. Contudo, restrições financeiras, energéticas e voltados a infraestrutura inviabilizam a instalação de câmeras em todas as interseções de uma rede viária, impondo a necessidade de selecionar locais capazes de proporcionar elevada cobertura com recursos limitados. Embora avanços recentes tenham ampliado a capacidade de resolução do Problema de Cobertura Máxima Orçada (PCMO), a obtenção de soluções de alta qualidade em instâncias de grande porte, sob limites restritos de tempo computacional, permanece um desafio relevante. Esta dissertação formula o posicionamento de câmeras em redes viárias como uma instância do PCMO e propõe uma abordagem metaheurística híbrida que integra o Procedimento de Busca Adaptativa Aleatória Gulosa (GRASP) à Descida em Vizinhança Variável Aleatória (RVND). Na formulação, as interseções correspondem aos locais candidatos à instalação, os segmentos viários representam os elementos a serem cobertos e os pesos expressam sua importância relativa. A etapa construtiva utiliza o ganho marginal de cobertura ponderado pelo custo para formar uma lista restrita de candidatos, enquanto a busca local explora vizinhanças de adição, substituição e remoção seguida de reinserção. O desempenho do método foi avaliado em três conjuntos públicos de referência do PCMO, totalizando 90 instâncias com até 5.200 itens e elementos. Cada instância foi executada dez vezes, sob uma configuração experimental uniforme, e os resultados foram comparados aos obtidos pelos algoritmos Probability Learning-Based Tabu Search (PLTS) e Variable Depth Local Search (VDLS). O GRASP-RVND igualou os melhores valores reportados pelo VDLS em todas as instâncias do primeiro conjunto e obteve soluções superiores em diferentes instâncias dos conjuntos de maior dimensão e complexidade estrutural. A reduzida diferença entre os melhores resultados e as médias das execuções evidencia um comportamento consistente, enquanto a rápida obtenção de soluções competitivas indica uma relação favorável entre qualidade e esforço computacional. Os resultados demonstram que a combinação entre construção aleatorizada e exploração sistemática de vizinhanças constitui uma estratégia eficaz
e escalável para o PCMO. No contexto do monitoramento viário, a abordagem fornece uma base computacional para o planejamento de infraestruturas de sensoriamento sob restrições orçamentárias, embora sua implantação operacional ainda demande validação em redes reais e a incorporação de dados espaciais, econômicos e de tráfego.

Banca:

Milena Faria Pinto (CEFET/RJ, orientadora)
Ronney Arismel Mancebo Boloy (coorientador)
Gabriel Matos Araujo (CEFET/RJ, membro interno)
Luciana Faletti Almeida( CEFET/RJ, membro interno)
Felipe Oliveira (UFAM - membro externo)


Data: 13 de novembro de 2026 (sexta-feira)

Horário: 13:00 hs
Link: https://teams.microsoft.com/l/meetup-join/19%3ameeting_MDkzODBhODMtMTBjYi00MTZhLWJhNTMtZjlkMjhkYzRhMGIz%40thread.v2/0?context=%7b%22Tid%22%3a%228eeca404-a47d-4555-a2d4-0f3619041c9c%22%2c%22Oid%22%3a%22eae2be27-7998-4235-97e4-e644e57374f1%22%7d

 

Qualificação de mestrado da aluna Caroline Araujo de Oliveira

Detalhes

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA

DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO

DEPARTAMENTO DE PÓS-GRADUAÇÃO

COORDENADORIA DO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

 

 

Discente: Caroline Araujo de Oliveira
 
Título: ESTRATÉGIAS MULTICLASSE PARA O DETETOR DE PRODUTO INTERNO: VOTAÇÃO EM PARES VERSUS REFINAMENTO DE SUBESPAÇO
 
Resumo: O Inner Product Detector (IPD) é um classificador baseado em filtros de correlação que possui uma solução de mínimos quadrados em forma fechada, na qual uma única matriz de autocorrelação compartilhada permite a obtenção de um detector para cada classe. Originalmente concebido como um detector binário, sua extensão para problemas com K classes tem sido tradicionalmente abordada como uma questão de representação, isto é, pela escolha de um subespaço sobre o qual projetar os dados antes da detecção. Neste trabalho, mostramos que essa abordagem não é a mais adequada para o IPD. Em cinco conjuntos de dados de imagens e sob um protocolo de validação cruzada aninhada, demonstramos que a estratégia de classificação exerce influência significativamente maior sobre o desempenho do que o método de subespaço empregado. A estratégia One-versus-One com votação simétrica, que elimina a assimetria introduzida pelo limiar da formulação original do IPD, proporciona ganhos de 3,4 a 7,0 pontos percentuais em relação ao detector multiclasse nativo. Além disso, apresenta desempenho competitivo com uma SVM linear e um classificador 1-NN, mantendo o treinamento em forma fechada e sendo entre 456 e 3081 vezes mais rápido. Em contraste, todos os métodos de subespaço avaliados — Fukunaga–Koontz, PCA com ortogonalização de Gram–Schmidt e detector de mínimos quadrados com restrição de subespaço — apresentam desempenho inferior ao IPD sem restrição. Esse comportamento é analisado sob uma perspectiva geométrica: o detector obtido a partir de R−1µ apresenta baixo alinhamento com o subespaço das componentes principais da classe, de modo que restringi-lo a esse subespaço pode eliminar componentes relevantes para a discriminação. Como evidência direta, a similaridade angular entre os detectores restrito e não restrito apresenta valores de cosseno entre 0,07 e 0,36 (construção PCAGS). Os resultados indicam, portanto, que o principal desafio para a extensão multiclasse do IPD não está na definição de um subespaço de representação, mas na escolha de uma regra de decisão adequada. Palavras-chave: Inner Product Detector, filtros de correlação, métodos de subespaço, classificação multiclasse, mínimos quadrados.
 
Palavras-chave: Inner Product Detector, filtros de correlação, métodos de subespaço, classificação multiclasse, mínimos quadrados.

Qualificação de mestrado do aluno Dicson Rabelo

Detalhes

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA

DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO

DEPARTAMENTO DE PÓS-GRADUAÇÃO

COORDENADORIA DO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

 

Qualificação de mestrado do aluno Dicson Rabelo

 
 
Título: Detecção de Ativos em Redes de Distribuição Elétrica com Imagens Veiculares Georreferenciadas
 
Resumo: Este trabalho avalia o uso de visão computacional para a detecção automática de ativos em redes de distribuição elétrica a partir de imagens veiculares georreferenciadas. Para isso, apresenta-se um sistema embarcado de aquisição, composto por câmeras de alta resolução, sensores de posicionamento e unidade de controle, desenvolvido para coletas em campo. A partir dos dados capturados, é construído um conjunto de imagens anotadas em seis classes de ativos. Um modelo de detecção de objetos é treinado e avaliado, alcançando precisão de 0,70, revocação de 0,34, mAP@0.5 de 0,39 e mAP@0.5:0.95 de 0,23 na etapa de validação. Os resultados permitem caracterizar fatores que influenciam a detecção de ativos em cenas urbanas reais, como a distribuição heterogênea das classes, a presença de estruturas alongadas e a complexidade visual do ambiente.
 
 
Banca: 
Gabriel Matos Araujo (orientador, presidente)  - http://lattes.cnpq.br/4461794616207452
Wesley Lobato Passos (coorientador) -http://lattes.cnpq.br/0652673084450084
Rafael da Silva Chaves (membro interno) - http://lattes.cnpq.br/5359708806116816
Waldir Sabino da Silva Junior (externo, UFAM) - http://lattes.cnpq.br/2925380715531711
 
 
 

Qualificação de mestrado do aluno Mauro Nenes Mendes Junior

Detalhes

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA

DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO

DEPARTAMENTO DE PÓS-GRADUAÇÃO

COORDENADORIA DO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

 

Qualificação de mestrado do aluno Mauro Nenes Mendes Junior

 

Título: Detecção de Keyframes de Publicidade Picture-in-Picture em Vídeos de Partidas de Futebol

Resumo — A detecção automática de publicidade em vídeos esportivos é uma tarefa de grande interesse para a edição jornalística de conteúdo audiovisual. Este trabalho propõe um método para detectar keyframes associados a anúncios gráficos do tipo Picture-in-Picture (PiP) em transmissões de partidas de futebol. Para essa finalidade, modelos baseados nas arquiteturas YOLOv8, YOLO26 e Vision Transformer (ViT) foram treinados para identificar inserções publicitárias com duração aproximada de oito segundos. Foi construído um conjunto de dados inédito composto por 50 vídeos de dois minutos cada, dos quais foram extraídos e anotados 9.329 quadros (frames). Os experimentos realizados no conjunto de teste demonstraram que o modelo ViT apresentou o melhor desempenho geral, alcançando Precisão e mAP@0,5 de 100%, além de um F1-score de 68,4%. Adicionalmente, nenhum dos modelos avaliados gerou falsos positivos. Os resultados obtidos evidenciam a viabilidade da abordagem proposta para integração em pipelines de edição automatizada de vídeos esportivos.

Banca: 

Gabriel Matos Araujo (CEFET/RJ, orientador)
Fábio Augusto de Alcântara Andrade (USN - Noruega, coorientador)
Waldir Sabino da Silva Junior (UFAM, avaliador externo)
Milena Faria Pinto (CEFET/RJ, avaliador interno)


Data: 15/06/2026
Horário: 14h
Link: https://teams.microsoft.com/meet/294460766089532?p=FEbSgIbT0gyjxPHaXg

 

Qualificação de mestrado do aluno Janks Karbdala Leal de Paiva

Detalhes

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA

DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO

DEPARTAMENTO DE PÓS-GRADUAÇÃO

COORDENADORIA DO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

 

Qualificação de mestrado do aluno Janks Karbdala Leal de Paiva

 

Título: Optimal Camera Allocation under Budget Constraints: An Application of the Budgeted Maximum Coverage Problem in Road Networks

Resumo: O monitoramento eficiente do tráfego urbano desempenha um papel central nos sistemas de mobilidade inteligente, auxiliando na detecção de congestionamentos e no planejamento operacional sustentável das cidades contemporâneas. Dada a inviabilidade econômica de instalar câmeras em todas as interseções da malha viária (cruzamentos, rotatórias e acessos), esse desafio é naturalmente modelado como uma instância do Problema de Cobertura Máxima Orçada (do inglês, Budgeted Maximum Coverage Problem (BMCP)). Esse problema NP-difícil busca maximizar a cobertura ponderada dos segmentos viários, respeitando um orçamento máximo. Além dos ganhos operacionais, formular o posicionamento de câmeras como um PCMO possibilita benefícios ambientais adicionais: (i) redução do hardware para um determinado nível de informação, diminuindo assim o consumo de materiais e energia, bem como as emissões do ciclo de vida; e (ii) priorização de segmentos com alto potencial de impacto (congestionamento/fluxo) para subsidiar estratégias de gestão de tráfego que reduzam o consumo de combustível e as emissões de CO₂. Neste trabalho, modelamos formalmente o problema de posicionamento de câmeras em redes viárias reais de grande escala, propondo pesos estruturais derivados da topologia de grafos. Além disso, avaliamos uma metaheurística eficiente, baseada em uma abordagem híbrida GRASP-Local Search, para lidar com os desafios de escalabilidade impostos por instâncias com grande número de vértices.
Extensos experimentos foram conduzidos em três conjuntos de benchmarks públicos do BMCP, compreendendo 120 instâncias com até 5.200 itens e elementos, e limites de orçamento que chegam a 10.000, correspondentes ao parâmetro de orçamento máximo permitido nas maiores instâncias. O método proposto iguala ou melhora as melhores soluções conhecidas relatadas na literatura, tal como Probabilistic Linguistic Term Set (PLTS) e Variable Depth Local Search (VDLS), em todas as instâncias do primeiro conjunto de benchmarks e alcança valores de cobertura superiores em várias instâncias do segundo e do terceiro conjunto. Além disso, soluções de alta qualidade são consistentemente alcançadas em tempos de execução significativamente menores, frequentemente em poucos segundos, mantendo baixa variabilidade em múltiplas execuções. Os resultados demonstraram a eficácia, robustez e escalabilidade da abordagem proposta para aplicações de monitoramento urbano em larga escala.

Banca:

Milena Faria Pinto (CEFET/RJ, orientadora)
Ronney Arismel Mancebo Boloy (coorientador)

Gabriel Matos Araujo (CEFET/RJ, membro interno)
Luciana Faletti Almeida( CEFET/RJ, membro interno)

Data: 04 de maio de 2026 (segunda-feira)

Horário: 14:00 hs
Link: https://teams.microsoft.com/meet/221634520386948?p=OplY7e0evxPrZ2rjSz

 

 

  1. Qualificação de mestrado do aluno Flavio Henrique Origuela Meira
  2. Defesa de Mestrado do aluno RICARDO DA SILVA ALVES JUNIOR
  3. Defesa de Mestrado do aluno Johann Steffanno Jerônimo da Costa Caniato Amorim
  4. Defesa de Mestrado do aluno Yuri Nascimento da Silva