Banca de QUALIFICAÇÃO: DIEGO PATRÍCIO DE ARAÚJO ALEXANDRE

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: DIEGO PATRÍCIO DE ARAÚJO ALEXANDRE
DATA: 31/01/2023
HORA: 08:00
LOCAL: Centro de Informática
TÍTULO: Segmentação de ruas calçadas, não calçadas e área construída, usando Deep Learning em imagens aéreas
PALAVRAS-CHAVES: Segmentação; cidades inteligentes; aumento de dados
PÁGINAS: 45
RESUMO: Arquiteturas de Deep Learning têm sido usadas em diversas funcionalidades com imagens, como segmentação, isto é, a seleção de todos os pixels da imagem que pertencem a uma classe de interesse. Uma das aplicações de segmentação é no sensoriamento remoto, como neste trabalho, diferenciando se uma rua é ou não calçada. Isto é interessante não só para prefeituras e governos saberem a quantidade de recursos cuja alocação será necessária para calçá-las, mas também para viajantes e até mesmo aplicativos de locomoção para calcular corretamente tempo de viagem, visto que velocidade média e máxima atingida dependem da qualidade da estrada. Este trabalho tem como objetivo segmentar ruas calçadas, não calçadas e áreas construídas em imagens aéreas obtidas por drones. Desse modo 3 arquiteturas serão avaliadas: DeepLabV3+, Unet e FPN. Inicialmente, foram realizados experimentos com essas arquiteturas e diversos backbones distintos, também foi avaliada a aplicação de técnicas de data augmentation e para diferentes tamanhos de imagens: 320 x 320, 416 x 416 e 512 x 512. As arquiteturas foram avaliadas com base no IoU no conjunto de validação. Após a análise conclui-se que a FPN com o backbone da SEResNet34 e com tamanho de imagem 512 x 512, com as técnicas de data augmentation da biblioteca ImageAug obteve o melhor resultado com um IoU de validação de 77,249.
MEMBROS DA BANCA:
Presidente - 1743917 - THAIS GAUDENCIO DO REGO
Interno - 2813926 - TIAGO MARITAN UGULINO DE ARAUJO
Externo ao Programa - 3089218 - TELMO DE MENEZES E SILVA FILHO
Externo ao Programa - 1827772 - YURI DE ALMEIDA MALHEIROS BARBOSA