Detecção profunda de semáforos por sobreposição de contexto sintético em imagens naturais arbitrárias
Nome: JEAN PABLO VIEIRA DE MELLO
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 27/07/2021
Orientador:
Nome |
Papel |
|---|---|
| THIAGO OLIVEIRA DOS SANTOS | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| ALBERTO FERREIRA DE SOUZA | Examinador Interno |
| JEFERSSON ALEX DOS SANTOS | Examinador Externo |
| THIAGO OLIVEIRA DOS SANTOS | Orientador |
Resumo: O uso de Redes Neurais Profundas como solução para problemas relacionados à direção
autônoma tem sido cada vez mais considerado pelos pesquisadores. Com esse ferramental,
pode-se detectar elementos comuns do trânsito, como pedestres, placas e semáforos com
eficácia, bastando fornecer como dados de entrada uma quantidade representativa de
imagens que descrevam um contexto real de trânsito. Em particular, a detecção de
semáforos e a classificação correta de seu estado são essenciais na prevenção de acidentes.
No entanto, coletar e anotar tal conjunto de dados de semáforo pode ser uma tarefa
altamente custosa, tanto em tempo quanto em esforços. Para contornar esse problema,
propõe-se a montagem de um expressivo conjunto de dados que se utiliza de contextos
de trânsito gerados sinteticamente, através de computação gráfica simples, sobrepostos à
imagens arbitrárias que apresentem cenas naturais não relacionadas à trânsito, dispensando
a necessidade de coleta de dados do mundo real, automatizando a anotação dos semáforos
dispostos na cena gerada e, ainda, possibilitando balancear as ocorrências do estado amarelo,
que seriam difíceis de capturar, com as dos demais estados. Experimentos revelaram que a
utilização do método produz resultados comparáveis aos obtidos utilizando-se dados do
mundo real, superando-os em cerca de 4 pontos percentuais de mAP e F1-score em média.
Palavras-chaves: semáforo. contexto sintético. detecção profunda. Computação Gráfica.
imagens naturais.
