Investigação de estratégias de aprendizado contínuo para detecção de objetos de tráfego urbano

• Main Author: Franco, Gabriel Cardoso [UNESP]
• Publication Date: 2025
• Format: Bachelor thesis
• Language: por
• Source: Repositório Institucional da UNESP
• Download full: https://hdl.handle.net/11449/315757
• topic: Aprendizado contínuo; Detecção de objetos; Redes neurais convolucionais; Aprendizado profundo; Tráfego Urbano; Continual learning; Catastrophic forgetting; Convolutional neural networks

Com o avanço das Redes Neurais Convolucionais (CNNs), multiplicaram-se as aplicações em modelos de linguagem, visão computacional e análise de vídeos. Apesar desse progresso, o esquecimento catastrófico continua como um problema que dificulta o aprendizado contínuo e, na prática, leva ao retreinamento do zero sempre que novas tarefas, classes ou domínios são introduzidos. Essa estratégia é cara e ineficiente, principalmente quando já existem métodos capazes de mitigar tal efeito no paradigma de aprendizado contínuo. Neste trabalho, é analisado o impacto do uso de técnicas de aprendizado contínuo no treinamento de CNNs para detecção de objetos no contexto de tráfego urbano