Bacharelado em Sistemas de Informação (Sede)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/12
Siglas das Coleções:
APP - Artigo Publicado em Periódico
TAE - Trabalho Apresentado em Evento
TCC - Trabalho de Conclusão de Curso
Navegar
2 resultados
Resultados da Pesquisa
Item Avaliação de plataformas para o reconhecimento de placas veiculares brasileiras(2021-12-14) Amaral, Carlos Ivan Santos do; Garrozi, Cícero; http://lattes.cnpq.br/0488054917286587; http://lattes.cnpq.br/8099840025648951Com a crescente quantidade de veículos particulares no Brasil se faz cada vez mais necessário melhores métodos de gestão e fiscalização da frota veicular. As placas veiculares (PV) são objetos únicos e obrigatórios com o objetivo de identificar o veículo assim como seu proprietário. É recomendável que a coleta eficiente das informações presentes nas placas veiculares sejam realizadas por meio de sistemas automatizados para a detecção e reconhecimento de PV. Estes sistemas são fundamentais para se realizar a fiscalização e a gestão de diferentes atividades relacionadas ao tráfego de veículos. Neste sentido, este trabalho apresenta um estudo que identifica métodos de detecção e reconhecimento de PV com algoritmos baseados em aprendizagem de máquina. Para a produção desse experimento, sucedeu a coleta de um banco de imagens de veículos em praças de pedágio que estão localizadas no município de Cabo de Santo Agostinho - PE e fazem acesso ao Complexo Industrial Portuário Governador Eraldo Gueiros - SUAPE. O objetivo desse trabalho foi prover uma comparação entre o serviço de visão computacional da Microsoft Azure para detecção de objetos PV em conjunto com os serviços de Reconhecimento Óptico de Caracteres (Optical Character Recognition - OCR) da Google Vision com o algoritmo de Aprendizagem Profunda YOLO v4. O resultado do experimento expôs que em condições semelhantes de configurações em ambos dos modelos estudados, o YOLO v4 apresentou melhor desempenho, obtendo uma taxa de 92% de precisão na detecção e reconhecimento de placas veiculares.Item Comparação de algoritmos de reconhecimento de gestos aplicados à sinais estáticos de Libras(2019-07-12) Cruz, Lisandra Sousa da; Cordeiro, Filipe Rolim; Macário Filho, Valmir; http://lattes.cnpq.br/4346898674852080; http://lattes.cnpq.br/4807739914511076; http://lattes.cnpq.br/2111589326272463A Língua Brasileira de Sinais (Libras) foi criada a fim de suprir uma necessidade de comunicação não-verbal para os surdos, que durante muito tempo foram doutrinados à ter o português como sua primeira língua. Atualmente, a Libras é a segunda língua oficial do Brasil e primeira língua dos surdos, assim como o português é para o ouvinte. Entretanto, mesmo com tamanho reconhecimento, a segunda língua oficial do Brasil não é conhecida pela maior parte da população brasileira. O processo de inclusão visa proporcionar igualdade aos deficientes, de forma que a deficiência não seja um fator impeditivo à convivência em sociedade. Com o advento da tecnologia e avanços da Inteligência Artificial (IA), foram criados artifícios tecnológicos visando propiciar inclusão. Na IA, o reconhecimento de padrões é um dos subtemas mais abordados na atualidade, sendo bastante aplicada para a classificação de gestos de diversas línguas de sinais na literatura. Essa pesquisa tem como principal tarefa identificar as mãos que formam um determinado sinal de Libras e em seguida reconhecer a que classe pertence, classificando-o. Baseado na classificação da Língua de Sinais Americana, a Feature Fusion-based Convolutional Neural Network (FFCNN), uma rede estendida da Convolutional Neural Network (CNN), obteve a melhor acurácia em comparação a outras redes, dentre elas a Visual Geometry Group (VGG). Diante desse cenário, esse trabalho aplica a FFCNN à gestos estáticos de Libras a fim de verificar se a FFCNN obtém a melhor acurácia assim como obteve na Língua de Sinais Americana. Para alcançar esse objetivo são comparados três classificadores: VGG com uma variação da CNN com 13 e 16 camadas; FFCNN e uma rede Multi Layer Perceptron (MLP) usada no reconhecimento de gestos estáticos de Libras na literatura. Os algoritmos foram aplicados em um dataset de Libras que contém 9.600 imagens de 40 sinais. Os resultados demonstram que a rede VGG com 16 camadas obteve a maior acurácia dentre modelos descritos neste trabalho, com valor de 99,45%.