Técnicas de aprendizagem profunda para estacionamentos inteligentes.

• Autor(a) principal: GUIMARÃES, Pedro Ivo Aragão.
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27600
• topic: Técnica de aprendizagem profunda; Estacionamentos inteligentes; Aprendizado profundo; Sistema de visão computacional; Visão computacional; Algoritmos de redes convolucionais; Redes convolucionais profundas; Aprendizado de máquinas; Inteligência artificial; Deep learning technique; Smart parking; Deep learning; Computer vision system; Computer vision; Convolutional network algorithms; Deep convolutional networks; Machine learning; Artificial intelligence; Engenharia Elétrica.

Estacionar carros nas grandes cidades tem se tornado um enorme desafio, visto que o número crescente de automóveis privados adquiridos nas últimas décadas contribui para a falta de mobilidade urbana. Frequentemente os motoristas desperdiçam muito mais tempo que o necessário para estacionar os carros, contribuindo para o estresse no trânsito. A inteligência artificial vem buscando métodos para solucionar este problema, isto só se tornou possível nos dias atuais pela disponibilidade de grandes quantidades de dados e a melhoria na capacidade de processamento dos computadores. Uma técnica de sistema de visão com forte tendência nos últimos anos é o aprendizado profundo com algoritmos de redes convolucionais. Este trabalho visa avaliar técnicas de aprendizagem profunda para a construção e avaliação de um modelo para estacionamentos inteligentes, utilizando um conjunto de dados da UFPR, em três cenários distintos. O modelo realiza a predição em tempo real e propõe um melhor custo-beneficio do que alternativas com internet das coisas, dispensando modificação no ambiente e de fácil manutenção.