Submitted by Franciele Moreira (francielemoreyra@gmail.com) on 2018-08-17T13:33:19Z
No. of bitstreams: 2
Dissertação - Carlos Alberto de Sousa Parente Rodrigues - 2018.pdf: 6333824 bytes, checksum: a035fcc2026db7dbe0a7b6945a83690e (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-08-20T10:46:35Z (GMT) No. of bitstreams: 2
Dissertação - Carlos Alberto de Sousa Parente Rodrigues - 2018.pdf: 6333824 bytes, checksum: a035fcc2026db7dbe0a7b6945a83690e (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-08-20T10:46:35Z (GMT). No. of bitstreams: 2
Dissertação - Carlos Alberto de Sousa Parente Rodrigues - 2018.pdf: 6333824 bytes, checksum: a035fcc2026db7dbe0a7b6945a83690e (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Previous issue date: 2018-03-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This work presents a study of convolutional networks to segment and classify images. The
purpose of this network is to eventually give more autonomy to LEIA 1 robot, using the
computer vision information in its processing. Methods such as this attempts to adapt the
visual perception system of living beings. The complexity of this task lies in not having
sufficient understanding of the biological system to model a system capable of processing
images with the same speed and efficiency as a human. To accomplish this work, two different
convolutional network architectures were validated. The first network has 13 layers, while the
second has 15 layers, and more adjustable weights than the first one. For training and
validation, a slice of Playing for Data dataset was used and adapted. The training set was
composed of 300 images, and the network was validated using 2500 patterns. For each
architecture, three training routines were performed, using the Adam, Nadam and Adamax
methods. The most relevant results used the 15-layer architecture with Adamax optimizer. / Este trabalho apresenta um estudo de redes convolucionais para segmentar e classificar
imagens. O objetivo desta rede é futuramente deixar o robô LEIA 1 mais autônomo, utilizando
as informações de visão computacional no seu processamento. Métodos como esse são
tentativas de adaptação do sistema de processamento de visão dos seres vivos. A
complexidade desta tarefa está em não haver entendimento suficiente do sistema biológico
para modelar um sistema capaz de processar imagens com a mesma velocidade e eficiência
que um ser humano. Para realizar este trabalho, duas diferentes arquiteturas de redes
completamente convolucionais foram validadas. A primeira rede possui 13 camadas, enquanto
a segunda possui 15 camadas, e mais pesos ajustáveis do que a primeira. Para o treinamento
e validação, uma parcela do dataset Playing for Data foi utlizado e adaptado. O conjunto de
treinamento foi composto de 300 imagens, e a rede foi validada utilizando 2500 padrões. Para
cada arquitetura, três rotinas de treinamento foram executadas, com os métodos Adam,
Nadam e Adamax. Os resultados mais relevantes utilizaram a arquitetura de 15 camadas com
o otimizador Adamax.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/8811 |
| Date | 16 March 2018 |
| Creators | Rodrigues, Carlos Alberto de Sousa Parente |
| Contributors | Cruz Júnior, Gélson da, Vinhal, Cássio Dener Noronha, Cruz Júnior, Gélson da, Vinhal, Cássio Dener Noronha, Soares, Fabrízzio Alphonsus de Melo Nunes, Silva, Karina Rocha Gomes da |
| Publisher | Universidade Federal de Goiás, Programa de Pós-graduação em Engenharia Elétrica e da Computação (EMC), UFG, Brasil, Escola de Engenharia Elétrica, Mecânica e de Computação - EMC (RG) |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG |
| Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
| Relation | -5088589215393046129, 600, 600, 600, 600, -7705723421721944646, 3671711205811204509, 2075167498588264571 |
Page generated in 0.0023 seconds