Macário Filho, ValmirMonte, Leonardo de Araujo2024-02-082024-02-082021-03-01MONTE, Leonardo de Araujo. Semantic segmentation for people detection on beach images. 2021. 26 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2021.https://repository.ufrpe.br/handle/123456789/5612As câmeras de monitoramento estão sendo cada vez mais aperfeiçoadas com o uso de sistemas de visão computacional capazes de identificar situações de risco. Este trabalho faz parte de um sistema de rastreamento automático de monitoramento de praias na região metropolitana do Recife, com o objetivo de evitar que banhistas ultrapassem os limites seguros na região de banho de praia. A segmentação semântica tem ganhado força em diferentes tarefas de visão computacional. Geralmente a metaarquitetura de uma rede de segmentação semântica consiste em dois módulos: codificador (backbone) e decodificador. Este trabalho realiza um estudo combinando um conjunto de redes de segmentação semântica, Unet, Xnet, LinkNet e Unet++ com os backbones prétreinados VGG16 e VGG19, com o objetivo de detectar banhistas em imagens de praia. Nós utilizamos a nossa própria base de dados, constituída de diferentes imagens da praia de Boa Viagem, RecifeBrasil. Os algoritmos foram avaliados com a métrica MIoU utilizando toda a cena da imagem, e apenas a faixa de mar. O melhor resultado de MIoU com relação à imagem completa foi 80.87%, e foi obtido pela XNet com o backbone da VGG19. O melhor MIoU na detecção de banhistas na faixa de mar obteve 85.56% e foi alcançado com a LinkNet com os backbones da VGG16 e VGG19.26 f.enopenAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.pt-brProcessamento de imagensVisão computacionalSegmentação semântica (Computação)bachelorThesisAtribuição-NãoComercial-SemDerivações 4.0 Internacionalhttps://n2t.net/ark:/57462/001300000dmnj