Reconhecimento de placas veiculares utilizando deep learning : análise da influência de dados sintéticos no processo de reconhecimento

Detalhes bibliográficos
Autor(a) principal: Barreto, Saulo Cardoso
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: https://bdm.unb.br/handle/10483/25245
Resumo: Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Curso de Graduação em Engenharia de Controle e Automação, 2018.
id UNB-2_cfd03d4614555821a4c19438e9b50a1d
oai_identifier_str oai:bdm.unb.br:10483/25245
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Barreto, Saulo CardosoVidal, Flávio de BarrosBARRETO, Saulo Cardoso. Reconhecimento de placas veiculares utilizando deep learning: análise da influência de dados sintéticos no processo de reconhecimento. 2018. 62 f. Trabalho de conclusão de curso (Bacharelado em Engenharia Mecatrônica)—Universidade de Brasília, Brasília, 2018.https://bdm.unb.br/handle/10483/25245Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Curso de Graduação em Engenharia de Controle e Automação, 2018.O reconhecimento automático de placas de veículos tem sido alvo de diversos estudos, dada a sua aplicabilidade em situações reais: cobrança de pedágio, identificação de veículos em estacionamentos ou mesmo por questões de segurança em controle de veículos que cruzam fronteiras entre os países. O trabalho desenvolvido aqui consiste em retreinar tanto um modelo de reconhecimento de placas como um modelo de reconhecimento de objetos diversos, utilizando bases de dados sintéticas de placas no padrão brasileiro com variações de rotação, tamanho e ruído. Assim, a influência da utilização de placas sintéticas na acurácia de sistemas responsáveis por localizar placas reais, segmentar os caracteres e reconhecê-los foi avaliada e nos testes realizados houve um aumento da acurácia (em relação a um sistema treinado com placas reais) de três etapas: segmentação dos caracteres, reconhecimento de letras e reconhecimento dos números (2,54%, 1,09% e 2,49% respectivamente). Destaca-se a acurácia de 62,47% para a etapa de reconhecer os números, obtida por uma rede neural treinada exclusivamente com dados sintéticos e testada em placas reais.Submitted by Letícia Fernanda Vieira Ramos (leticia.fernanda_@outlook.com) on 2020-06-05T19:04:10Z No. of bitstreams: 1 2018_SauloCardosoBarreto_tcc.pdf: 9950228 bytes, checksum: e789e9ec3e96c590c7fd7d439a5681c0 (MD5)Approved for entry into archive by Biblioteca Digital de Monografias Gerência (bdm@bce.unb.br) on 2020-07-30T23:21:48Z (GMT) No. of bitstreams: 1 2018_SauloCardosoBarreto_tcc.pdf: 9950228 bytes, checksum: e789e9ec3e96c590c7fd7d439a5681c0 (MD5)Made available in DSpace on 2020-07-30T23:21:48Z (GMT). No. of bitstreams: 1 2018_SauloCardosoBarreto_tcc.pdf: 9950228 bytes, checksum: e789e9ec3e96c590c7fd7d439a5681c0 (MD5)The Automatic License Plate Recognition has been the subject of several studies, given its applicability in real situations: toll collection, identification of vehicles in parking lots or even for safety issues in vehicle control that cross borders between countries. The work developed here consists of retraining both a plate recognition model and a deep neural network for object detection, using synthetic plates databases in the Brazilian standard with variations of rotation, size and noise. Thus, the influence of the use of synthetic plates on the accuracy of systems responsible for locating real plates, segmenting the characters and recognizing them was evaluated and in the tests performed there was an increase in accuracy (considering a system trained with real plates) of three stages: character segmentation, letter recognition and number recognition (2.54 %, 1.09 % and 2, 49 % respectively). It stands out the accuracy of 62.47 % (in the number recognition step) obtained by a neural network trained exclusively with synthetic data and tested on real plates.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar meu trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessRedes neurais (Computação)Visão por computadorReconhecimento de placas veiculares utilizando deep learning : análise da influência de dados sintéticos no processo de reconhecimentoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2020-07-30T23:21:48Z2020-07-30T23:21:48Z2018-12porreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/25245/2/license.txt21554873e56ad8ddc69c092699b98f95MD52ORIGINAL2018_SauloCardosoBarreto_tcc.pdf2018_SauloCardosoBarreto_tcc.pdfapplication/pdf9950228http://bdm.unb.br/xmlui/bitstream/10483/25245/1/2018_SauloCardosoBarreto_tcc.pdfe789e9ec3e96c590c7fd7d439a5681c0MD5110483/252452020-08-11 19:22:24.029oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712020-08-11T22:22:24Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Reconhecimento de placas veiculares utilizando deep learning : análise da influência de dados sintéticos no processo de reconhecimento
title Reconhecimento de placas veiculares utilizando deep learning : análise da influência de dados sintéticos no processo de reconhecimento
spellingShingle Reconhecimento de placas veiculares utilizando deep learning : análise da influência de dados sintéticos no processo de reconhecimento
Barreto, Saulo Cardoso
Redes neurais (Computação)
Visão por computador
title_short Reconhecimento de placas veiculares utilizando deep learning : análise da influência de dados sintéticos no processo de reconhecimento
title_full Reconhecimento de placas veiculares utilizando deep learning : análise da influência de dados sintéticos no processo de reconhecimento
title_fullStr Reconhecimento de placas veiculares utilizando deep learning : análise da influência de dados sintéticos no processo de reconhecimento
title_full_unstemmed Reconhecimento de placas veiculares utilizando deep learning : análise da influência de dados sintéticos no processo de reconhecimento
title_sort Reconhecimento de placas veiculares utilizando deep learning : análise da influência de dados sintéticos no processo de reconhecimento
author Barreto, Saulo Cardoso
author_facet Barreto, Saulo Cardoso
author_role author
dc.contributor.author.fl_str_mv Barreto, Saulo Cardoso
dc.contributor.advisor1.fl_str_mv Vidal, Flávio de Barros
contributor_str_mv Vidal, Flávio de Barros
dc.subject.keyword.pt_BR.fl_str_mv Redes neurais (Computação)
Visão por computador
topic Redes neurais (Computação)
Visão por computador
description Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Curso de Graduação em Engenharia de Controle e Automação, 2018.
publishDate 2018
dc.date.submitted.none.fl_str_mv 2018-12
dc.date.accessioned.fl_str_mv 2020-07-30T23:21:48Z
dc.date.available.fl_str_mv 2020-07-30T23:21:48Z
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.citation.fl_str_mv BARRETO, Saulo Cardoso. Reconhecimento de placas veiculares utilizando deep learning: análise da influência de dados sintéticos no processo de reconhecimento. 2018. 62 f. Trabalho de conclusão de curso (Bacharelado em Engenharia Mecatrônica)—Universidade de Brasília, Brasília, 2018.
dc.identifier.uri.fl_str_mv https://bdm.unb.br/handle/10483/25245
identifier_str_mv BARRETO, Saulo Cardoso. Reconhecimento de placas veiculares utilizando deep learning: análise da influência de dados sintéticos no processo de reconhecimento. 2018. 62 f. Trabalho de conclusão de curso (Bacharelado em Engenharia Mecatrônica)—Universidade de Brasília, Brasília, 2018.
url https://bdm.unb.br/handle/10483/25245
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Monografias da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Biblioteca Digital de Monografias da UnB
collection Biblioteca Digital de Monografias da UnB
bitstream.url.fl_str_mv http://bdm.unb.br/xmlui/bitstream/10483/25245/2/license.txt
http://bdm.unb.br/xmlui/bitstream/10483/25245/1/2018_SauloCardosoBarreto_tcc.pdf
bitstream.checksum.fl_str_mv 21554873e56ad8ddc69c092699b98f95
e789e9ec3e96c590c7fd7d439a5681c0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv bdm@bce.unb.br||patricia@bce.unb.br
_version_ 1813908011735842816