Desenvolvimento de um modelo de detecção de correntes de retorno usando deep learning com base em fotos a partir da praia
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | https://repositorio.ufsc.br/handle/123456789/253267 |
Resumo: | TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Sistemas de Informação. |
id |
UFSC_ad2cc4e02c2231ecb3e06379f58d858a |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/253267 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
Desenvolvimento de um modelo de detecção de correntes de retorno usando deep learning com base em fotos a partir da praiaCorrentes de retornopraiadeep learningdetecção de objetosTCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Sistemas de Informação.Afogamentos relacionados a correntes de retorno é uma das maiores razões de mortes de banhistas no mar. Embora existam características físicas visíveis da praia, a identificação dessas correntes de retorno pode ser uma tarefa complicada, sendo necessário conhecimento prévio de um profissional salva-vidas ou especialista da área. Neste contexto, um modelo que identifique as correntes de retorno a partir de fotos tiradas da praia poderá auxiliar na hora de decidir qual é o melhor local para se banhar com segurança. Já existem propostas de classificação de correntes de retorno em imagens usando deep learning, porém esses tipicamente usam imagens capturadas por webcams instaladas em pontos com campo de visão mais altos que aquele do banhista. Assim, o objetivo geral deste trabalho é desenvolver um modelo de detecção de correntes de retorno a partir de fotos de frente para o mar. Para tal, são adotadas técnicas de deep learning para automatizar a detecção a partir de fotos do mar capturadas com a câmera de celular de forma frontal. Espera-se que este trabalho ajude na conscientização maior sobre o assunto e diminua o risco iminente que essas correntes trazem.Florianópolis, SC.Wangenheim, Christiane Gresse vonUniversidade Federal de Santa Catarina.Motta, Caio Noguerol2023-12-14T22:15:17Z2023-12-14T22:15:17Z2023-12-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis95 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/253267Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2023-12-14T22:15:17Zoai:repositorio.ufsc.br:123456789/253267Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732023-12-14T22:15:17Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.none.fl_str_mv |
Desenvolvimento de um modelo de detecção de correntes de retorno usando deep learning com base em fotos a partir da praia |
title |
Desenvolvimento de um modelo de detecção de correntes de retorno usando deep learning com base em fotos a partir da praia |
spellingShingle |
Desenvolvimento de um modelo de detecção de correntes de retorno usando deep learning com base em fotos a partir da praia Motta, Caio Noguerol Correntes de retorno praia deep learning detecção de objetos |
title_short |
Desenvolvimento de um modelo de detecção de correntes de retorno usando deep learning com base em fotos a partir da praia |
title_full |
Desenvolvimento de um modelo de detecção de correntes de retorno usando deep learning com base em fotos a partir da praia |
title_fullStr |
Desenvolvimento de um modelo de detecção de correntes de retorno usando deep learning com base em fotos a partir da praia |
title_full_unstemmed |
Desenvolvimento de um modelo de detecção de correntes de retorno usando deep learning com base em fotos a partir da praia |
title_sort |
Desenvolvimento de um modelo de detecção de correntes de retorno usando deep learning com base em fotos a partir da praia |
author |
Motta, Caio Noguerol |
author_facet |
Motta, Caio Noguerol |
author_role |
author |
dc.contributor.none.fl_str_mv |
Wangenheim, Christiane Gresse von Universidade Federal de Santa Catarina. |
dc.contributor.author.fl_str_mv |
Motta, Caio Noguerol |
dc.subject.por.fl_str_mv |
Correntes de retorno praia deep learning detecção de objetos |
topic |
Correntes de retorno praia deep learning detecção de objetos |
description |
TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Sistemas de Informação. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-12-14T22:15:17Z 2023-12-14T22:15:17Z 2023-12-07 |
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://repositorio.ufsc.br/handle/123456789/253267 |
url |
https://repositorio.ufsc.br/handle/123456789/253267 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Open Access. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Open Access. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
95 f. application/pdf |
dc.publisher.none.fl_str_mv |
Florianópolis, SC. |
publisher.none.fl_str_mv |
Florianópolis, SC. |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSC instname:Universidade Federal de Santa Catarina (UFSC) instacron:UFSC |
instname_str |
Universidade Federal de Santa Catarina (UFSC) |
instacron_str |
UFSC |
institution |
UFSC |
reponame_str |
Repositório Institucional da UFSC |
collection |
Repositório Institucional da UFSC |
repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
repository.mail.fl_str_mv |
|
_version_ |
1808652222085464064 |