Export Ready — 

Contagem de multidões através de redes neurais convolucionais

Bibliographic Details
Main Author: Santos, Eiki Luis Yamashiro Batista dos
Publication Date: 2021
Format: Report
Language: por
Source: Repositório Institucional da INSPER
Download full: https://repositorio.insper.edu.br/handle/11224/3740
Summary: A Contagem de Multidões através de Visão Computacional é uma tarefa desafiadora, visto que fatores como a oclusão devido à diferentes alturas das pessoas, ambientes não presentes no conjunto de treinamento e diferentes densidades de multidão presentes na mesma imagem, prejudicam significativamente o desempenho da maioria dos métodos de contagem. Uma possível solução para se diferenciar objetos presentes no ambiente, é se aproveitando da segregação de planos, separando o background do foreground, entretanto é necessário um conhecimento prévio do ambiente, o que afeta o desempenho em ambientes não presentes no conjunto de treinamento. Outra abordagem é através de Redes Neurais Convolucionais ou CNN (Convolutional Neural Network) que, segundo Géron[4] (2017), emergiram do estudo do córtex visual do cérebro e tem sido usadas no reconhecimento de imagens desde 1980, portanto as CNNs são inspiradas no processamento de dados visuais dos neurônios nos humanos, especializadas na análise de imagens, que podem atingir desempenho sobre-humano em algumas tarefas visuais. Assim, é proposta uma rede neural de três colunas, onde cada coluna se especializa em analisar uma determinada faixa de densidade. Um classificador é treinado para rotular um recorte da imagem com base na densidade da multidão e encaminhá-lo para a coluna mais apropriada. Um banco de dados com 1198 imagens anotadas e divididas em conjunto de teste e conjunto de treinamento é utilizado para medir a precisão da contagem, além de comparar o desempenho da CNN de várias colunas com outros métodos computacionais de contagem.
id INSP_b5d857fbd6d46df9a7709733fbb4b27a
oai_identifier_str oai:repositorio.insper.edu.br:11224/3740
network_acronym_str INSP
network_name_str Repositório Institucional da INSPER
repository_id_str
spelling Contagem de multidões através de redes neurais convolucionaisRedes Neurais Convolucionaiscontagem de multidãoVisão ComputacionalConvolutional Neural NetworksCrowd CountingComputer VisionBackground SegmentationA Contagem de Multidões através de Visão Computacional é uma tarefa desafiadora, visto que fatores como a oclusão devido à diferentes alturas das pessoas, ambientes não presentes no conjunto de treinamento e diferentes densidades de multidão presentes na mesma imagem, prejudicam significativamente o desempenho da maioria dos métodos de contagem. Uma possível solução para se diferenciar objetos presentes no ambiente, é se aproveitando da segregação de planos, separando o background do foreground, entretanto é necessário um conhecimento prévio do ambiente, o que afeta o desempenho em ambientes não presentes no conjunto de treinamento. Outra abordagem é através de Redes Neurais Convolucionais ou CNN (Convolutional Neural Network) que, segundo Géron[4] (2017), emergiram do estudo do córtex visual do cérebro e tem sido usadas no reconhecimento de imagens desde 1980, portanto as CNNs são inspiradas no processamento de dados visuais dos neurônios nos humanos, especializadas na análise de imagens, que podem atingir desempenho sobre-humano em algumas tarefas visuais. Assim, é proposta uma rede neural de três colunas, onde cada coluna se especializa em analisar uma determinada faixa de densidade. Um classificador é treinado para rotular um recorte da imagem com base na densidade da multidão e encaminhá-lo para a coluna mais apropriada. Um banco de dados com 1198 imagens anotadas e divididas em conjunto de teste e conjunto de treinamento é utilizado para medir a precisão da contagem, além de comparar o desempenho da CNN de várias colunas com outros métodos computacionais de contagem.Crowd Counting with Computer Vision is a hard task, factors such as occlusion due to different heights of people, environments not present in the training set and different densities in the crowd image, significantly impair the performance of most counting methods. A possible approach is using a real-time foreground-background segmentation. However, prior knowledge of the environment is required, which affects performance in unfamiliar environments. Another approach is through Convolutional Neural Networks or CNN, according to Gerón[4], they emerged from the study of the visual cortex of the brain and have been used in image recognition since 1980. in this way, CNNs are inspired by the processing of visual data from neurons in humans, specializing in image analysis, which can achieve superhuman performance in some visual tasks. A Convolutional Neural Network Architecture is proposed with three different columns. The columns have differents characteristics, that allows each column specializing in certain density range. A Switch is trained to classify a input patch of the image based on the density in this patch, and forward this to the most appropriate column. A database with 1198 annotated images is used to mesure the precision of the crowd count.Silva, Raul Ikeda Gomes daSantos, Eiki Luis Yamashiro Batista dosSantos, Eiki Luis Yamashiro Batista dos2022-07-13T12:41:41Z2022-07-13T12:41:41Z2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/report15 p.Digitalapplication/pdfapplication/pdfhttps://repositorio.insper.edu.br/handle/11224/3740BrasilSão PauloTODOS OS DOCUMENTOS DESTA COLEÇÃO PODEM SER ACESSADOS, MANTENDO-SE OS DIREITOS DOS AUTORES PELA CITAÇÃO DA ORIGEMinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da INSPERinstname:Instituição de Ensino Superior e de Pesquisa (INSPER)instacron:INSPER2025-06-12T13:32:08Zoai:repositorio.insper.edu.br:11224/3740Biblioteca Digital de Teses e Dissertaçõeshttps://www.insper.edu.br/biblioteca-telles/PRIhttps://repositorio.insper.edu.br/oai/requestbiblioteca@insper.edu.br || conteudobiblioteca@insper.edu.bropendoar:2025-06-12T13:32:08Repositório Institucional da INSPER - Instituição de Ensino Superior e de Pesquisa (INSPER)false
dc.title.none.fl_str_mv Contagem de multidões através de redes neurais convolucionais
title Contagem de multidões através de redes neurais convolucionais
spellingShingle Contagem de multidões através de redes neurais convolucionais
Santos, Eiki Luis Yamashiro Batista dos
Redes Neurais Convolucionais
contagem de multidão
Visão Computacional
Convolutional Neural Networks
Crowd Counting
Computer Vision
Background Segmentation
title_short Contagem de multidões através de redes neurais convolucionais
title_full Contagem de multidões através de redes neurais convolucionais
title_fullStr Contagem de multidões através de redes neurais convolucionais
title_full_unstemmed Contagem de multidões através de redes neurais convolucionais
title_sort Contagem de multidões através de redes neurais convolucionais
author Santos, Eiki Luis Yamashiro Batista dos
author_facet Santos, Eiki Luis Yamashiro Batista dos
author_role author
dc.contributor.none.fl_str_mv Silva, Raul Ikeda Gomes da
dc.contributor.author.fl_str_mv Santos, Eiki Luis Yamashiro Batista dos
Santos, Eiki Luis Yamashiro Batista dos
dc.subject.por.fl_str_mv Redes Neurais Convolucionais
contagem de multidão
Visão Computacional
Convolutional Neural Networks
Crowd Counting
Computer Vision
Background Segmentation
topic Redes Neurais Convolucionais
contagem de multidão
Visão Computacional
Convolutional Neural Networks
Crowd Counting
Computer Vision
Background Segmentation
description A Contagem de Multidões através de Visão Computacional é uma tarefa desafiadora, visto que fatores como a oclusão devido à diferentes alturas das pessoas, ambientes não presentes no conjunto de treinamento e diferentes densidades de multidão presentes na mesma imagem, prejudicam significativamente o desempenho da maioria dos métodos de contagem. Uma possível solução para se diferenciar objetos presentes no ambiente, é se aproveitando da segregação de planos, separando o background do foreground, entretanto é necessário um conhecimento prévio do ambiente, o que afeta o desempenho em ambientes não presentes no conjunto de treinamento. Outra abordagem é através de Redes Neurais Convolucionais ou CNN (Convolutional Neural Network) que, segundo Géron[4] (2017), emergiram do estudo do córtex visual do cérebro e tem sido usadas no reconhecimento de imagens desde 1980, portanto as CNNs são inspiradas no processamento de dados visuais dos neurônios nos humanos, especializadas na análise de imagens, que podem atingir desempenho sobre-humano em algumas tarefas visuais. Assim, é proposta uma rede neural de três colunas, onde cada coluna se especializa em analisar uma determinada faixa de densidade. Um classificador é treinado para rotular um recorte da imagem com base na densidade da multidão e encaminhá-lo para a coluna mais apropriada. Um banco de dados com 1198 imagens anotadas e divididas em conjunto de teste e conjunto de treinamento é utilizado para medir a precisão da contagem, além de comparar o desempenho da CNN de várias colunas com outros métodos computacionais de contagem.
publishDate 2021
dc.date.none.fl_str_mv 2021
2022-07-13T12:41:41Z
2022-07-13T12:41:41Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/report
format report
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.insper.edu.br/handle/11224/3740
url https://repositorio.insper.edu.br/handle/11224/3740
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 15 p.
Digital
application/pdf
application/pdf
dc.coverage.none.fl_str_mv Brasil
São Paulo
dc.source.none.fl_str_mv reponame:Repositório Institucional da INSPER
instname:Instituição de Ensino Superior e de Pesquisa (INSPER)
instacron:INSPER
instname_str Instituição de Ensino Superior e de Pesquisa (INSPER)
instacron_str INSPER
institution INSPER
reponame_str Repositório Institucional da INSPER
collection Repositório Institucional da INSPER
repository.name.fl_str_mv Repositório Institucional da INSPER - Instituição de Ensino Superior e de Pesquisa (INSPER)
repository.mail.fl_str_mv biblioteca@insper.edu.br || conteudobiblioteca@insper.edu.br
_version_ 1839074957043171328