Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/3290
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | SCAVONE, Joaquim Martins | - |
dc.creator.Lattes | http://lattes.cnpq.br/8383271604289917 | por |
dc.contributor.advisor1 | ALMEIDA NETO, Areolino de | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/8041675571955870 | por |
dc.contributor.advisor-co1 | BRAZ JUNIOR, Geraldo | - |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/8287861610873629 | por |
dc.contributor.referee1 | ALMEIDA NETO, Areolino de | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/8041675571955870 | por |
dc.contributor.referee2 | BRAZ JUNIOR, Geraldo | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/8287861610873629 | por |
dc.contributor.referee3 | OLIVEIRA, Alexandre César Muniz de | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/5225588855422632 | por |
dc.contributor.referee4 | ROCHA, Marcelo Lisboa | - |
dc.contributor.referee4Lattes | http://lattes.cnpq.br/8909823430980265 | por |
dc.date.accessioned | 2021-05-02T16:30:19Z | - |
dc.date.issued | 2020-11-03 | - |
dc.identifier.citation | SCAVONE, Joaquim Martins. Otimizando CNNs Com Aprendizado Acumulativo Via Múltiplas Redes Neurais.. 2020. 68 f.. Dissertação( Programa de Pós-Graduação em Ciência da Computação/CCET) - Universidade Federal do Maranhão, São Luís, 2020. | por |
dc.identifier.uri | https://tedebc.ufma.br/jspui/handle/tede/tede/3290 | - |
dc.description.resumo | O número de vítimas fatais em acidentes de trânsito é assustador. Muitos desses acidentes decorrem do desrespeito a sinalização, que, muitas vezes, acontece de maneira involuntária, por distrações, por exemplo. Esta problemática vem sendo tratada com muita atenção na comunidade científica. O que levou ao surgimento dos Sistemas Avançados de Auxílio ao Motorista (ADAS - Advanced Driver Assistance Systems), que são sistemas que podem interpretar a sinalização e fluxo na via e, a partir dessas informações, emitir alertas ao condutor ou até mesmo intervir na condução. As redes convolucionais já são amplamente utilizadas nos ADAS e estão promovendo verdadeiro avanço nesse área. Desta forma, este trabalho apresenta uma estratégia que utiliza redes neurais neste tipo de problema. A pesquisa desenvolvida realizou uma união das técnicas de múltiplas redes neurais autocoordenadas e redes neurais convolucionais, que demonstrou sua eficiência quando aplicada a redes já treinadas. A técnica proposta apresentou 95.33% de precisão, a possibilidade da diminuição do tempo de treinamento e uma nova estratégia de fuga de mínimos locais, o que abre um leque de novas pesquisas que podem ser realizadas. | por |
dc.description.abstract | The number of fatalities in traffic accidents is staggering. Many of these accidents result from disrespect for signaling, which often happens involuntarily, due to distractions, for example. This issue has been treated with great attention in the scientific community. This led to the emergence of Advanced Driver Assistance Systems (ADAS), which are systems that can interpret signaling and flow on the road and, based on this information, issue alerts to the driver or even intervene in driving. Convolutional networks are already widely used in ADAS and are promoting real progress in this area. Thus, this work presents a strategy that uses neural networks in this type of problem. The developed research made a union of the techniques of multiple self-coordinated neural networks and convolutional neural networks, which demonstrated its efficiency when applied to already trained networks. The proposed technique achieved 95.33% accuracy, the possibility of reducing training time and a new strategy to escape local minimums, which opens up a range of new research that can be carried out. | eng |
dc.description.provenance | Submitted by Maria Aparecida (cidazen@gmail.com) on 2021-05-02T16:30:19Z No. of bitstreams: 1 J.M.Scavone.pdf: 25323728 bytes, checksum: b5e409fbba36956eecbe734e64a252ec (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2021-05-02T16:30:19Z (GMT). No. of bitstreams: 1 J.M.Scavone.pdf: 25323728 bytes, checksum: b5e409fbba36956eecbe734e64a252ec (MD5) Previous issue date: 2020-11-03 | eng |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Federal do Maranhão | por |
dc.publisher.department | DEPARTAMENTO DE INFORMÁTICA/CCET | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFMA | por |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET | por |
dc.rights | Acesso Aberto | por |
dc.subject | reconhecimento e classificação de semáforos; | por |
dc.subject | aprendizagem profunda; | por |
dc.subject | rede neural convolucional; | por |
dc.subject | múltiplas redes neurais autocoordenadas | por |
dc.subject | Traffic Lights Recognition; | eng |
dc.subject | Deep Learning; | eng |
dc.subject | Multiple Self-coordinated Neural Networks | eng |
dc.subject.cnpq | Modelos Analíticos e de Simulação | por |
dc.title | Otimizando CNNs Com Aprendizado Acumulativo Via Múltiplas Redes Neurais. | por |
dc.title.alternative | Optimizing CNNs With Cumulative Learning Via Multiple Neural Networks. | eng |
dc.type | Dissertação | por |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
J.M.Scavone.pdf | Dissertação de Mestrado | 24,73 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.