Machine learning and image processing
Autor(a) principal: | |
---|---|
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 |