Dissertação
Vision Based Object Identification and Detection in Maritime Environments EVALUATED
O trabalho desenvolvido nesta tese terá como principal foco a aplicação de algoritmos de aprendizagem profunda para deteção de objetos a um veículo de superfície autónomo. Apontamos para fornecer ao veiculo a capacidade de detetar e realizar seguimento visual de diferentes tipos de obstáculos em tempo real com recurso a uma camara RGB convencional. Iremos explorar características gerais de algoritmos de deteção de objetos com especial atenção na rede neuronal escolhida, Scaled-YOLOv4, atualmente uma rede estado da arte. A estrutura do trabalho consiste na pesquisa de conjuntos de dados apropriados que representem o ambiente experienciado pelo veiculo, converter a rede treinada para um sistema embebido e finalmente aplicar seguimento aos objetos detetados. Os conjuntos de dados explorados incluem o SeaShips e ABOships, ambos contendo milhares de imagens para treino de redes neuronais. Os resultados serão implementados numa Jetson Nano 2GB, um computador de placa única projetado para aplicações com inteligência artificial, ideal para implementação em sistemas autonomos com o ASV do CEiiA. Complementando a deteção, adiciona-se seguimento, permitindo ao algoritmo seguir objetos detetados criando um sentido de continuidade que pode ser expandido em projetos futuros. Seguimento ocorre com recurso a soluções fiáveis como o algoritmo SORT e filtros de partículas. Esta tese é feita em colaboração com o CEiiA e aponta para combinar estado da arte em inteligência artificial e sistemas autónomos, com a esperança de produzir uma solução de fácil implementação para deteção e seguimento de objectos num ambiente maritimo.
dezembro 6, 2021, 10:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
