Machine learning and image processing

Detalhes bibliográficos
Autor(a) principal: Martins, Cecília Eduarda Coelho Machado da Cruz
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/1822/73671
Resumo: Dissertação de mestrado em Matemática e Computação
id RCAP_d746dbb5ec114b69c2ec7ac75642ecfb
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/73671
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Machine learning and image processingComputer visionDeep learningObject detectionResNetRetinaNetVisão por computadorDeteção de objetosCiências Naturais::MatemáticasDissertação de mestrado em Matemática e ComputaçãoPortuguese legislation states the compulsory reporting of the addition of amenities, such as swimming pools, to the Portuguese tax authority. The purpose is to update the property tax value, to be charged annually to the owner of each real estate. According to Technavio and Market- Watch, this decade will bring a global rise to the number of swimming pools due to certain factors such as: cost reduction, increasing health consciousness, and others. The need for inspections to ensure that all new constructions are communicated to the competent authorities is therefore rapidly increasing and new solutions are needed to address this problem. Typically, supervision is done by sending human resources to the field, involving huge time and resource consumption, and preventing the catalogue from updating at a rate close to the speed of construction. Automation is rapidly becoming an absolute requirement to improve task efficiency and affordability. Recently, Deep Learning algorithms have shown incredible performance results when used for object detection tasks. Based on the above, the objective of this thesis is to study the various existing object detection algorithms and implement a Deep Learning model capable of recognising swimming pools from satellite images. To achieve the best results for this specific task, the RetinaNet algorithm was chosen. To provide a smooth user experience with the developed model, a simple graphical user interface was also created.A legislação Portuguesa declara a obrigatoriedade da comunicação de novas construções, como piscinas, à Autoridade Tributária e Aduaneira. Esta comunição permite o ajustamento do Imposto Municipal sobre Imóveis a pagar anualmente pelo proprietário. De acordo com o Technavio e o MarketWatch, irá ocorrer um aumento significativo do número de piscinas devido a vários fatores como a redução do custo da construção, o aumento da consciência para a adoção de um estilo de vida saudável, entre outros. Isto leva à necessidade de um reforço na inspeção de forma a garantir que todas as novas construções foram devidamente comunicadas à autoridade competente. Atualmente, estas inspeções são realizadas com a distribuição de recursos humanos pelo terreno, o que tráz um elevado custo operacional e temporal, impedindo uma catalogação a uma taxa próxima da de construção. Hoje em dia, a automatação de tarefas está a tornar-se muito requisitada devido a permitir o aumento da eficiência e a redução de custos. Recentemente, os algoritmos de Deep Learning tem demonstrado resultados incriveis quando usados para deteção de objetos. O objetivo desta dissertação é o estudo dos vários algoritmos de deteção de objetos existentes e a implementação de um modelo de Deep Learning capaz de detetar piscinas em imagens satélite. De forma a obter os melhores resultados na tarefa em questão, o algoritmo RetinaNet foi usado. Além disso e com o intuito de melhorar a experiência na utilização do modelo desenvolvido, foi construída uma interface gráfica simples.Ferrás, Luís Jorge LimaCosta, M. Fernanda P.Universidade do MinhoMartins, Cecília Eduarda Coelho Machado da Cruz20202020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/73671eng202638693info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T11:56:32Zoai:repositorium.sdum.uminho.pt:1822/73671Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T18:46:08.270353Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Machine learning and image processing
title Machine learning and image processing
spellingShingle Machine learning and image processing
Martins, Cecília Eduarda Coelho Machado da Cruz
Computer vision
Deep learning
Object detection
ResNet
RetinaNet
Visão por computador
Deteção de objetos
Ciências Naturais::Matemáticas
title_short Machine learning and image processing
title_full Machine learning and image processing
title_fullStr Machine learning and image processing
title_full_unstemmed Machine learning and image processing
title_sort Machine learning and image processing
author Martins, Cecília Eduarda Coelho Machado da Cruz
author_facet Martins, Cecília Eduarda Coelho Machado da Cruz
author_role author
dc.contributor.none.fl_str_mv Ferrás, Luís Jorge Lima
Costa, M. Fernanda P.
Universidade do Minho
dc.contributor.author.fl_str_mv Martins, Cecília Eduarda Coelho Machado da Cruz
dc.subject.por.fl_str_mv Computer vision
Deep learning
Object detection
ResNet
RetinaNet
Visão por computador
Deteção de objetos
Ciências Naturais::Matemáticas
topic Computer vision
Deep learning
Object detection
ResNet
RetinaNet
Visão por computador
Deteção de objetos
Ciências Naturais::Matemáticas
description Dissertação de mestrado em Matemática e Computação
publishDate 2020
dc.date.none.fl_str_mv 2020
2020-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1822/73671
url http://hdl.handle.net/1822/73671
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv 202638693
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799132216223072256

Registros relacionados