FenixEdu™

Dissertação

Segmentation of Maritime Vehicles from Video Sequences EVALUATED

Detalhes: O controlo dos navios marítimos é crucial devido à importância do transporte marítimo no comércio mundial. Sistemas baseados em terra, como radar costeiro e imagiologia, são eficazes para cenários estáticos, como portos, enquanto veículos portadores de sensores são valiosos em cenários off-shore. A utilização de sequências de vídeo para segmentação nestas plataformas móveis é promissora, dadas as vantagens em termos de potência, peso e espaço das câmaras RGB. A variação das condições de imagem, devido a fatores como clima, sol, brilho, ondas e escorço, torna este problema complexo. Algumas destas condições dependem do movimento da câmara, sugerindo que a inclusão de informações sobre a pose da câmara pode melhorar o desempenho dos métodos de visão por computador. Nesta tese de mestrado, são investigados três métodos para incluir a informação sobre a pose da câmara visando melhorar a qualidade da segmentação de vídeo. Primeiro, um modelo baseado em transformadores é estendido para estimar os parâmetros de movimento da câmara, além das máscaras de segmentação de vídeo. Em seguida, duas redes U-Net 3D foram modificadas para prever parâmetros específicos de pose da câmara ou o campo de movimento. Após extensa experimentação e análise estatística, constatou-se que o conhecimento da pose e do movimento da câmara não melhora a qualidade da segmentação do modelo quando incluído como tarefa adicional durante o treino. A experimentação com diferentes representações do movimento da câmara, diferentes funções de perda e tipos de rede mostrou que não houve melhorias estatisticamente significativas na segmentação numa estrutura de aprendizagem multitarefa.
Keywords: Segmentação de vídeo, aprendizagem multitarefa, monitorização remota, veículos marítimos

Discussão: julho 24, 2024, 14:0

Documentos da dissertação ainda não disponíveis publicamente