Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27600
Title: Técnicas de aprendizagem profunda para estacionamentos inteligentes.
Other Titles: Deep learning techniques for smart parking.
???metadata.dc.creator???: GUIMARÃES, Pedro Ivo Aragão.
???metadata.dc.contributor.advisor1???: LIMA, Rafael Bezerra Correia.
Keywords: 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
Issue Date: 2021
Publisher: Universidade Federal de Campina Grande
Citation: GUIMARÃES, Pedro Ivo Aragão. Técnicas de aprendizagem profunda para estacionamentos inteligentes. 2021. 79f. 2021. f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2021. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27600
???metadata.dc.description.resumo???: 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.
Abstract: Parking in big cities has become a huge challenge, as the growing number of private cars purchased in recent decades contributes to the lack of urban mobility. Drivers often waste far more time than necessary to park their cars, contributing to traffic stress. Artificial intelligence has been looking for methods to solve this problem, this has only become possible nowadays due to the availability of large data resources and an improvement in the processing capacity of computers. A system of vision technique with a strong trend in recent years is deep learning with convolutional network algorithms. This work aims to evaluate deep learning techniques for the construction and evaluation of a model for intelligent parking, using a dataset from UFPR, in three distinct scenarios. The model performs the prediction in real-time and proposes a better cost-benefit ratio than alternatives with the Internet of Things, eliminating changes in the environment and being easy to maintain.
Keywords: 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
???metadata.dc.subject.cnpq???: Engenharia Elétrica.
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27600
Appears in Collections:Curso de Bacharelado em Engenharia Elétrica - CEEI - Monografias

Files in This Item:
File Description SizeFormat 
PEDRO IVO ARAGÃO GUIMARÃES - TCC ENG. ELÉTRICA CEEI 2021.pdfPedro Ivo Aragão Guimarães -TCC Eng. Elétrica CEEI 2021.4.63 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.