Publication
Deteção e reconhecimento inteligente de embarcações
| dc.contributor.advisor | Marques, Gonçalo | |
| dc.contributor.advisor | Teodoro, Pedro | |
| dc.contributor.author | Ferreira, Pedro Rodrigo Santarém | |
| dc.date.accessioned | 2024-04-20T09:13:47Z | |
| dc.date.available | 2024-04-20T09:13:47Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Este projeto foca-se na pesquisa e desenvolvimento de sistemas avançados para a deteção automática de embarcações. Nesta perspetiva, o trabalho está centrado na conceção e otimização de uma arquitetura denominada Single Shot MultiBox Detector (SSD), um algoritmo empregue na deteção de objetos em imagens. Este método é utilizado em visão computacional e sistemas de inteligência artificial para identificar e localizar objetos numa cena específica. Com o intuito de alcançar esse objetivo, foi proposta uma nova arquitetura baseada no SSD. O objetivo primordial dessas modificações centrou-se na redução do custo computacional, visando tornar o sistema apropriado para a deteção em tempo real, sem comprometer o nível de precisão exigido. Os resultados obtidos revelam que a nova arquitetura proposta do SSD demonstra uma redução no consumo de recursos computacionais, mantendo o seu desempenho na deteção. A arquitetura proposta consiste numa rede base mais otimizada, com um menor número de camadas de previsão e menos âncoras empregues por camada. Alcançou-se um mAP de 79.3% a uma taxa de 2 fps num sistema de computação com recursos limitados, como é o caso do Raspberry Pi 4. Esses 2 fps representam uma deteção em tempo real, considerando a natureza do problema, no qual as embarcações se movem a velocidades reduzidas. Este trabalho representa um avanço no campo da deteção e classificação de embarcações, detendo o potencial para ser utilizado em aplicações práticas, incluindo a monitorização do tráfego marítimo e a segurança costeira, além disso, possui a capacidade de armazenar imagens devidamente categorizadas para a criação autónoma de conjuntos de dados de embarcações. Os resultados alcançados abrem portas para futuros desenvolvimentos e aperfeiçoamentos nesta área de aprendizagem automática que se encontra numa constante evolução. | pt_PT |
| dc.description.abstract | This project focuses on the research and development of advanced systems for the automatic detection of vessels. From this perspective, the work is centered around the design and optimization of an architecture called Single Shot MultiBox Detector (SSD), an algorithm employed in detecting objects in images. This method is used in computer vision and artificial intelligence systems to identify and locate objects in a specific scene. In order to achieve this goal, a new architecture based on SSD was proposed. The primary objective of these modifications focused on reducing computational costs, aiming to make the system suitable for real-time detection without compromising the required level of accuracy. The results obtained reveal that the proposed new architecture of SSD demonstrates a reduction in computational resource consumption while maintaining its performance in detection. The proposed architecture consists of a more optimized base network, with a smaller number of prediction layers and fewer anchors employed per layer. An mAP of 79.3% was achieved at a rate of 2 fps on a computing system with limited resources, such as the Raspberry Pi 4. These 2 fps represent real-time detection, considering the nature of the problem in which vessels move at reduced speeds. This work represents an advancement in the field of vessel detection and classification, holding the potential for practical applications, including maritime traffic monitoring and coastal security. Moreover, it has the capability to store properly categorized images for the autonomous creation of vessel datasets. The achieved results pave the way for future developments and enhancements in this constantly evolving field of machine learning. | |
| dc.description.version | N/A | pt_PT |
| dc.identifier.citation | FERREIRA, Pedro Rodrigo Santarém - Deteção e reconhecimento inteligente de embarcações. Lisboa: Instituto Superior de Engenharia de Lisboa, 2023. Dissertação de Mestrado. | pt_PT |
| dc.identifier.tid | 203469038 | |
| dc.identifier.uri | http://hdl.handle.net/10400.21/17341 | |
| dc.language.iso | por | pt_PT |
| dc.peerreviewed | yes | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | pt_PT |
| dc.subject | Deteção de objetos | pt_PT |
| dc.subject | SSD | pt_PT |
| dc.subject | Aprendizagem automática | pt_PT |
| dc.subject | Object detection | |
| dc.subject | SSD | |
| dc.subject | Machine learning | |
| dc.title | Deteção e reconhecimento inteligente de embarcações | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| oaire.citation.conferencePlace | Lisboa: Instituto Superior de Engenharia de Lisboa | pt_PT |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |