Identificação e classificação de imagens usando rede neural convolucional e "machine learning" [recurso eletrônico] : implementação em sistema embarcado
Carlos Caetano de Almeida
TESE
Português
T/UNICAMP AL64i
[Image identification and classification using convolutional neural network and machine learning]
Campinas, SP : [s.n.], 2019.
1 recurso online (202 p.) : il., digital, arquivo PDF.
Orientador: João Maurício Rosário
Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica
Resumo: Neste trabalho de pesquisa são vistos os principais pontos relacionados à identificação e classificação de imagens. A identificação de características em imagens tem sido amplamente utilizada na indústria pois permite usar um tipo de sensor de amplo acesso e rico de informação, a câmera...
Ver mais
Resumo: Neste trabalho de pesquisa são vistos os principais pontos relacionados à identificação e classificação de imagens. A identificação de características em imagens tem sido amplamente utilizada na indústria pois permite usar um tipo de sensor de amplo acesso e rico de informação, a câmera digital, para um grande conjunto de tarefas automatizadas. São apresentados os concei-tos relacionados a imagens, como o estudo de cores, as etapas do processamento de imagens,além das diversas áreas da ciência que têm utilizado essa tecnologia. Muitas aplicações modernas dependem de métodos de Inteligência Artificial (IA). São destacadas técnicas de IA,especialmente Machine Learning, Deep Learning e Transfer Learning, combinadas com Redes Neurais Convolucionais (CNN). Contudo, grandes quantidades de dados podem superar o poder computacional disponível em tais ambientes, o que torna o processo de projetá-los uma tarefa desafiadora. As condutas de processamento mais comuns usam muitas funções de custo computacional elevadas, o que traz a necessidade de combinar alta capacidade computacional com eficiência energética. Devido a isso, uma possível estratégia para superar essas limitações e prover poder computacional suficiente, aliado ao baixo consumo de energia é a de incorporar soluções de classificação baseadas em imagens em sistemas embarcados (ESs), utilizando IA e CNN, o que permitem maior velocidade, desempenho, qualidade dos resultados obtidos, além de processamento rápido e em tempo real. Esse tipo de proposta viabiliza diversas soluções em drones, celulares e tablets como já permite funcionalidades de entretenimento presentes nesses equipamentos. O desenvolvimento do hardware do neurônio artificial convolucional em FPGA,permitiu a aquisição e o processamento de imagens com diversos tipos de filtros, tendo como resultado de saída uma imagem de ótima qualidade, sendo esse neurônio artificial servido como base para formar uma rede neural convolucional que foi embarcado em um Raspberry Pi. Esta classe de dispositivos é amplamente conhecida por sua boa relação entre desempenho e consumo, sendo uma alternativa interessante para a construção de sistemas embarcados eficazes e eficientes, o que permite contribuir com pesquisas que necessitam de identificação e classificação de imagens, beneficiando áreas como Medicina, Educação, Agronegócios, Robótica entre outras, que serão exemplificadas nos estudos de casos apresentados, sendo possível visualizar a sistematização das metodologias utilizadas e validar o presente trabalho
Ver menos
Abstract: In this research work, the main related points in image fetare detection are seen. Feature detection in images has been widely used in the industry because it relies in a easily accessibleand information rich sensor: the digital camera, when applie to several automation tasks. Concepts...
Ver mais
Abstract: In this research work, the main related points in image fetare detection are seen. Feature detection in images has been widely used in the industry because it relies in a easily accessibleand information rich sensor: the digital camera, when applie to several automation tasks. Concepts related to digital imaging are presented, such as the study of colors, the steps of image processing, as well as the various areas of science that have used this technology. Many modern applications rely on Artificial Intelligence (AI) methods, including AI techniques, especially Machine Learning, Deep Learning and Transfer Learning, combined with Convolutional Neural Networks (CNN). However, large amounts of data can exceed the computational power available in such environments, which makes the process of designing them a challenging task. This demands high computational capacity and energy efficiency. Because of this, a possible strategy for overcoming these limitations and providing sufficient computational power coupled with low power consumption is to incorporate image-based classification solutions in embedded systems (ESs) using IA and CNN, which allow for higher speed, performance, quality of results, fast processing in real-time applications. This type of proposal enables several solutions in drones, phones and tablets as it already allows entertainment features present in these devices. The development of convolutional artificial neural networks hardware in FPGA has enabled the acquisition and processing of images with various types of filters, resulting in an excellent image output. So the artificial neuron presented here can be the basis for a convolutional neural network that was boarded in a Raspberry Pi. This class of devices is widely known for its good relationship between performance and consumption, being an interesting alternative for the construction of efficient and efficient embedded systems that need image identification and classification, benefiting areas such as Medicine, Education, Agribusiness, Robotics and others, which will be exemplified in the case studies presented. It is possible to systematize the methodologies used and validate the present work
Ver menos
Requisitos do sistema: Software para leitura de arquivo em PDF
Rosário, João Maurício, 1959-
Orientador
Gazzola, Jonathan, 1981-
Avaliador
Bizarria, Francisco Carlos Parquet
Avaliador
Saramago, Marcos Antonio Porta, 1956-
Avaliador
Dal Fabbro, Inacio Maria, 1944-
Avaliador
Identificação e classificação de imagens usando rede neural convolucional e "machine learning" [recurso eletrônico] : implementação em sistema embarcado
Carlos Caetano de Almeida
Identificação e classificação de imagens usando rede neural convolucional e "machine learning" [recurso eletrônico] : implementação em sistema embarcado
Carlos Caetano de Almeida