Ciência da Computação
URI permanente desta comunidadehttps://repositorio.fei.edu.br/handle/FEI/342
Navegar
5 resultados
Resultados da Pesquisa
Trabalho de Conclusão de Curso SISTEMA INTELIGENTE DE NAVEGAÇÃO PARA VEÍCULOS AUTÔNOMOS EM AMBIENTE SIMULADO(2022-12-07) BRUNO QUADROS; MATHEUS CENTURION RUFINOProjetos inovadores relacionados a veículos autônomos vêm sendo realizados recentemente, melhorando a tecnologia utilizada por esses veículos ao longo dos últimos anos e atraindo a atenção de grandes nomes da indústria e do mercado profissional. Dentre os maiores problemas e desafios do uso dos sistemas inteligentes para esses veículos estão as tomadas de decisão imediatas, uma vez que qualquer erro pode resultar em um acidente. Isso ocorre por conta da quantidade de informações que o sistema do veículo recebe, o tempo de resposta do controle automatizado tende a aumentar. Sendo assim, esse trabalho apresenta a metodologia e elaboração de um sistema inteligente de navegação para veículos autônomos, utilizando técnicas computacionais de redes neurais convolucionais ou convolutional neural networks (CNN) e lógica nebulosa ou fuzzy logic. A validação da navegação será feita com o veículo realizando 20 voltas em uma cidade do simulador Webots, consideraremos o tempo e a taxa de sucesso de cada volta para avaliar a detecção dos objetos e o respeito às leis de trânsito vigentes.Trabalho de Conclusão de Curso DETECÇÃO DE ANOMALIAS EM PASSAGENS EXCLUSIVAS DE PEDESTRES(2022-12-07) KAIQUE ESTANISLAU DE ARAUJO ; PAULO VINÍCIUS NUNES DE AGUIARMonitorar atividades humanas é um assunto relevante para a segurança da população, sobretudo por câmeras de vigilância instaladas em locais abertos e em ambientes fechados, como lojas, mercados, entre outros. Na maioria dos casos, a segurança é realizada manualmente através de vigilância humana, resultando em um processo caro, inviável financeiramente em grande escala e sujeito a falhas. Visando resolver esse problema e automatizar processos de monitoramento, diversos conjuntos de dados relacionados ao reconhecimento de anomalias nas atividades humanas vêm sendo elaborados e disponibilizados publicamente, e variados métodos, principalmente relacionados a aprendizado profundo, estão sendo testados nesses datasets. O contínuo avanço na área de inteligência artificial vem da necessidade de melhorar cada vez mais o reconhecimento de anormalidades no comportamento das pessoas, através da inovação em técnicas e ferramentas. Com esse intuito, o presente trabalho é baseado em redes neurais convolucionais, que utiliza a rede neural YOLO para identificar os objetos determinados nos datasets UCSD Ped1 e UCSD Ped 2 e, através da ResNet50, utilizando a técnica de transferência de aprendizado, serão classificados os eventos anômalos, como circulação de não pedestres (skatistas, ciclistas, veículos pequenos) em caminhos exclusivamente de pedestres e pessoas andando sobre a grama.Trabalho de Conclusão de Curso REDES NEURAIS CONVOLUCIONAIS 3D PARA RECONHECIMENTO DE GESTOS ESTÁTICOS E DINÂMICOS DE LIBRAS(2021-12-09) VICTOR MASUMOTO; GUILHERME ROCHA; THOMAS ANDERSON FERRARI COSTAPessoas com deficiência auditiva ou afônicos (mudos), são uma pequena parcela da população que ainda se encontram com dificuldades de se comunicar com o resto do mundo, pois como utilizam a língua de sinais para se comunicarem, a grande maioria das pessoas não tem conhecimento para compreender e interpretar seu meio de comunicação. Embora existem inúmeros sistemas capazes de reconhecer língua de sinais, uma boa porção deles foram criados com base na língua de sinais de outros países que não seja o Brasil, como a língua de sinais americana, além disso, esses modelos normalmente reconhecem apenas gestos estáticos, que não exigem movimento, ou apenas gestos dinâmicos, que exigem movimento, mas dificilmente os dois. Logo, por meio desse trabalho nós desenvolvemos um aplicativo para dispositivos móveis capaz de interpretar gestos estáticos e dinâmicos de LIBRAS, com uma acurácia de 94.11%, por meio de uma arquitetura pronta de redes neurais convolucionais 3DTrabalho de Conclusão de Curso RECONHECIMENTO DE ASSINATURAS FALSAS COM O USO DE REDES NEURAIS PROFUNDAS(2021-06-17) MICHELLE PEREIRA BRANDÃO; VICTTOR DA SILVA MENDESSistemas de verificação automática da genuinidade de assinaturas podem ser conside- rados ferramentas essenciais para muitos dos estabelecimentos que fazem o uso de assinaturas para autenticação e identidade de documentos em processos atuais. O principal objetivo des- ses sistemas é evitar, utilizando inteligência artificial, as recorrentes fraudes que envolvem a falsificação de assinaturas, classificando-as, por meio de redes neurais profundas, como sendo verdadeiras ou falsas. Embora sistemas de verificação de assinaturas atuais tenham soluções efetivas, o treinamento da rede neural acaba ficando limitado a determinado dataset ou então o peso aprendido não é armazenado para uso posterior. O presente trabalho possui uma meto- dologia baseada em redes neurais profundas para tratar este problema. O resultado demonstrou melhora da escalabilidade do sistema de verificação de assinaturas mantendo a confiabilidade e acuracidade da rede.Trabalho de Conclusão de Curso DESCRIÇÃO ESPACIAL QUALITATIVA DE CENAS EM AMBIENTES INTERNOS COM VISÃO COMPUTACIONAL(2020-12-08) GUSTAVO FUENTES NASCIMENTO; JEFFERSON FERREIRA BIZARRI; THOMAS DUMONT DAS NEVESO campo de Visão Computacional foi revolucionado com a introdução de Redes Neurais Profundas, elas possibilitaram a criação de tecnologias como reconhecimento facial, detecção e classificação de objetos e é responsável, em partes, pelo crescente avanço de veículos autôno- mos, entre diversas outras contribuições. Apesar da constante melhoria desse campo, notamos que não existem muitas tecnologias populares capazes de descrever textualmente cenas captu- radas por câmeras fotográficas em ambientes internos. Propomos uma aplicação capaz de gerar um texto descrevendo quais objetos foram identificados e a suas direções qualitativas em rela- ção a câmera. Para realizar este trabalho, utilizamos a Faster R-CNN que foi treinada e avaliada com um resultado de 52% de mAP, para identificar 15 tipos de objetos em um ambiente fe- chado, usando o COCO-Dataset como base dados. Para a classificação do seu posicionamento na cena, desenvolvemos um algoritmo baseado no conceito de Raciocínio Espacial Qualitativo (REQ). A Rede Neural Convolucional, foi integrada com o algoritmo de REQ para produzir uma aplicação desktop e um serviço web, onde o usuário é capaz de subir uma imagem para descrever qualitativamente as posições dos objetos nela presente em relação a câmera.