Reconhecimento de placas veiculares utilizando deep learning : análise da influência de dados sintéticos no processo de reconhecimento
Autor(a) principal: | |
---|---|
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 |