Avaliação de aprendizagem LBP para segmentação semântica de pavimentação asfáltica baseada em U-Net

• Ano de defesa: 2024
• Autor(a) principal: Yui, Mauricio Kendi
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Inteligência artificial; Aprendizagem de máquina; Aprendizagem profunda; Redes neurais artificiais; Visão computacional; Direção autônoma; Local Binary Pattern (LBP); Engenharias - Engenharia Elétrica; Artificial intelligence; Machine learning; Deep learning; Artificial neural networks; Computer vision; Autonomous driving
• Link de acesso: https://repositorio.uel.br/handle/123456789/18052

A direção autônoma emerge naturalmente do notável avanço demonstrado pela Inteligência Artificial (IA) nos últimos anos, impulsionada, em grande parte, pelo desenvolvimento contínuo de recursos de hardware e software. Nesse contexto, este trabalho propõe a aplicação de ferramentas de IA, mais especificamente no domínio da Aprendizagem Profunda, para realizar a segmentação semântica de pavimentações asfálticas em imagens rasterizadas. A abordagem adotada utiliza a rede neural U-Net para alcançar esse objetivo, enquanto o algoritmo Local Binary Pattern (LBP) é investigado devido à sua vantagem declarada de invariância luminosa. Este trabalho contribui ao validar que a integração do algoritmo LBP pode aprimorar o desempenho da rede neural U-Net, especialmente em condições não previstas na base de dados de treinamento original.