Danilo Hernani PericoGUSTAVO FUENTES NASCIMENTOJEFFERSON FERREIRA BIZARRITHOMAS DUMONT DAS NEVES2024-08-142024-08-142020-12-08https://repositorio.fei.edu.br/handle/FEI/5471O 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.72pt-BRRestritoTrabalho de Conclusão de Curso