XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: AUTOMATING THE RECOGNITION OF TRAFFIC SIGNS ON ROADS USING ARTIFICIAL NEURAL NETWORK Autor: RODRIGO LEMA BARCIA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
MARLEY MARIA BERNARDES REBUZZI VELLASCO - ADVISOR
MEYER ELIAS NIGRI - CO-ADVISOR
Nº do Conteudo: 56926
Catalogação: 04/01/2022 Liberação: 04/01/2092 Idioma(s): ENGLISH - UNITED STATES
Tipo: TEXT Subtipo: SENIOR PROJECT
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56926&idi=1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56926&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.56926
Resumo:
Título: AUTOMATING THE RECOGNITION OF TRAFFIC SIGNS ON ROADS USING ARTIFICIAL NEURAL NETWORK Autor: RODRIGO LEMA BARCIA
MEYER ELIAS NIGRI - CO-ADVISOR
Nº do Conteudo: 56926
Catalogação: 04/01/2022 Liberação: 04/01/2092 Idioma(s): ENGLISH - UNITED STATES
Tipo: TEXT Subtipo: SENIOR PROJECT
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56926&idi=1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56926&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.56926
Resumo:
Countries currently have large road networks that require a huge amount of traffic signs. Overhauling and
maintaining all roads and keeping an uptodate inventory of their traffic signs is hard and timeconsuming.
Therefore, it is necessary to automate the recognition of traffic plates in order to guarantee better efficiency and costeffectiveness for the maintenance of signs. In this work, a deep learning approach is adopted, using an artificial neural network for the detection and recognition of traffic signs on roads. The model used was the Mask RCNN, capable of being trained endtoend and performing the instance segmentation. An own dataset was created to focus on Brazilian roads, as the publicly available datasets use signs from their respective countries, making their use unfeasible. The trained model has excellent precision (mAP0.5 = 80.95 percent), considering the dataset size and the limited time and computational resources. Such a system has shown enormous potential for its commercial use in managing and maintaining an updated inventory of traffic signs.
Descrição | Arquivo |
COMPLETE |