Arquiteturas deep learning aplicadas em veículos autônomos

Detalhes bibliográficos
Autor(a) principal: Boden, Lucas Hippertt Stuart
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/5800
Resumo: Existem diversos modelos e parâmetros que podem ser utilizados ao classificarmos imagens utilizando \emph{Deep Learning}. Essas diversas variações afetam diretamente a qualidade das predições realizadas, e no contexto de veículos autônomos, esses valores podem ser a diferença entre o carro se manter na estrada ou não. Por este motivo, este projeto visa realizar um estudo de como a utilização de diferentes técnicas e arquiteturas de \emph{Deep Learning} afetam a qualidade da predição do ângulo que o veículo deve tomar para a tarefa de direção autônoma, através da realização de experimentos teóricos e práticos, com o intuito de obter resultados que possam ser utilizados tanto na tarefa de direção autônoma de veículos quanto em tarefas semelhantes
id UFF-2_3d9bc0280066f7129453f54787bc73f6
oai_identifier_str oai:app.uff.br:1/5800
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Arquiteturas deep learning aplicadas em veículos autônomosDeep learningVeículos autônomosInteligência artificialVeículo autônomoAprendizado de máquinaInteligência artificialSelf driving carsMachine learningArtificial intelligenceExistem diversos modelos e parâmetros que podem ser utilizados ao classificarmos imagens utilizando \emph{Deep Learning}. Essas diversas variações afetam diretamente a qualidade das predições realizadas, e no contexto de veículos autônomos, esses valores podem ser a diferença entre o carro se manter na estrada ou não. Por este motivo, este projeto visa realizar um estudo de como a utilização de diferentes técnicas e arquiteturas de \emph{Deep Learning} afetam a qualidade da predição do ângulo que o veículo deve tomar para a tarefa de direção autônoma, através da realização de experimentos teóricos e práticos, com o intuito de obter resultados que possam ser utilizados tanto na tarefa de direção autônoma de veículos quanto em tarefas semelhantesThere are several models and parameters that can be used to classify images using Deep Learning. These variations directly aect the quality of the assumptions made, and in context of autonomous vehicles, these values can be deferred in the car whether to stay on the road or not. For this reason, this project aims to perform a study of how the use of techniques and architectures of Deep Learning aect the quality of the angle prediction that the vehicle must take to the task of autonomous steering, through the realization of theoretical experiments and practical, in order to obtain results that are used both in the task of autonomous steering of vehicles and in similar tasksOrosa, Luis MartíCarvalho, Aline Marins PaesSánchez, NayatBoden, Lucas Hippertt Stuart2018-02-20T12:36:16Z2018-02-20T12:36:16Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://app.uff.br/riuff/handle/1/5800http://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2021-09-15T14:44:47Zoai:app.uff.br:1/5800Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202021-09-15T14:44:47Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Arquiteturas deep learning aplicadas em veículos autônomos
title Arquiteturas deep learning aplicadas em veículos autônomos
spellingShingle Arquiteturas deep learning aplicadas em veículos autônomos
Boden, Lucas Hippertt Stuart
Deep learning
Veículos autônomos
Inteligência artificial
Veículo autônomo
Aprendizado de máquina
Inteligência artificial
Self driving cars
Machine learning
Artificial intelligence
title_short Arquiteturas deep learning aplicadas em veículos autônomos
title_full Arquiteturas deep learning aplicadas em veículos autônomos
title_fullStr Arquiteturas deep learning aplicadas em veículos autônomos
title_full_unstemmed Arquiteturas deep learning aplicadas em veículos autônomos
title_sort Arquiteturas deep learning aplicadas em veículos autônomos
author Boden, Lucas Hippertt Stuart
author_facet Boden, Lucas Hippertt Stuart
author_role author
dc.contributor.none.fl_str_mv Orosa, Luis Martí
Carvalho, Aline Marins Paes
Sánchez, Nayat
dc.contributor.author.fl_str_mv Boden, Lucas Hippertt Stuart
dc.subject.por.fl_str_mv Deep learning
Veículos autônomos
Inteligência artificial
Veículo autônomo
Aprendizado de máquina
Inteligência artificial
Self driving cars
Machine learning
Artificial intelligence
topic Deep learning
Veículos autônomos
Inteligência artificial
Veículo autônomo
Aprendizado de máquina
Inteligência artificial
Self driving cars
Machine learning
Artificial intelligence
description Existem diversos modelos e parâmetros que podem ser utilizados ao classificarmos imagens utilizando \emph{Deep Learning}. Essas diversas variações afetam diretamente a qualidade das predições realizadas, e no contexto de veículos autônomos, esses valores podem ser a diferença entre o carro se manter na estrada ou não. Por este motivo, este projeto visa realizar um estudo de como a utilização de diferentes técnicas e arquiteturas de \emph{Deep Learning} afetam a qualidade da predição do ângulo que o veículo deve tomar para a tarefa de direção autônoma, através da realização de experimentos teóricos e práticos, com o intuito de obter resultados que possam ser utilizados tanto na tarefa de direção autônoma de veículos quanto em tarefas semelhantes
publishDate 2018
dc.date.none.fl_str_mv 2018-02-20T12:36:16Z
2018-02-20T12:36:16Z
2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://app.uff.br/riuff/handle/1/5800
url https://app.uff.br/riuff/handle/1/5800
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1797044710286557184

Registros relacionados