Eventos
Divulgação - Defesa Nº 224
Aluno: Tarcisio Henrique de Moraes Hazin
Título: “Uma abordagem híbrida de clusterização com Mapa Auto Organizável Crescente e inteligência de Colônia Artificial de Abelhas”.
Orientador: Prof. Mêuser Jorge Silva Valença
Data-hora: 17/Dezembro/2020 (14:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (https://meet.google.com/cqi-peki-vfh)
Resumo:
“Algoritmos de clusterização são amplamente aplicados em diversos contextos para descoberta de informações em conjunto de dados que tem-se pouco conhecimento. Ainda há muitos desafios a serem superados no desenvolvimento das técnicas de clusterização e, dentre eles, é saber a quantidade de clusters presentes em um determinado conjunto de dados e a inicialização dos pontos iniciais do algoritmo, pois ambos, muitas vezes, não refletem a disposição dos dados e impactam significativamente nos resultados. Além disso, modelos gerados através de treinamento não supervisionado precisam ter sua qualidade mensurada através de índices já desenvolvidos e consolidados na literatura para uma maior confiabilidade. A abordagem proposta dispensa intervenções nos pontos mencionados, pois utiliza parte do algoritmo GrowingSelf-OrganizingMap, que possui a característica de crescer e de organizar-se de acordo com o posicionamento e densidade dos vetores de entrada, integrado com o Artificial Bee Colony, que foca em maximizar a qualidade dos modelos através de uma função objetivo com duas métricas de análise de particionamento como variáveis: Silhouette e Davies Bouldin. A técnica apresentou ser bastante promissora, pois obteve resultados melhores na acurácia, em verdadeiros positivos e verdadeiros negativos, em relação à técnicas populares de clusterização existentes.”
Divulgação - Defesa Nº 223
Aluno: Adson Matoso Santos
Título: “Desenvolvimento de uma Solução para Automatização de Pesquisas Volumétricas Globais e Classificatórias de Veículos em Rodovias”.
Orientador: Prof. Alexandre Magno Andrade Maciel
Co-orientador: Carmelo José Albanez Bastos Filho
Data-hora: 17/Dezembro/2020 (14:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (https://meet.google.com/ghz-nyyh-mdw)
Resumo:
“As pesquisas de tráfego permitem o conhecimento da geração e distribuição do fluxo de veículos,essas informações são fundamentais para previsão das necessidades futuras de circulação dos usuários das vias. No Brasil, o Departamento Nacional de Infraestrutura de Transportes (DNIT)mantém o Plano Nacional de Contagem de Tráfego (PNCT), que objetiva avaliar o fluxo atual de tráfego nas rodovias federais. No entanto, o DNIT ainda realiza pesquisas classificatórias de forma não automatizada ou utilizando equipamentos invasivos. Neste contexto, a busca por soluções mais modernas que possibilitem um maior número de pesquisas classificatórias automatizadas não invasivas e de baixo custo é fundamental para a otimização de estudos de tráfego. Este trabalho propõe um sistema que utiliza o YOLOv3 para detecção de objetos e o Deep SORT para algoritmos de rastreamento de múltiplos objetos. Na contagem global de veículos, a partir dos resultados dos vídeos do mundo real coletados nas estradas brasileiras,obteve-se uma precisão acima de 90%. Além disso, mostrou-se que a proposta desta pesquisa superou outras ferramentas sugeridas anteriormente com precisão de 99,15% em conjuntos dedados públicos. Na contagem classificatória de veículos, com base nos resultados obtidos em duas horas de vídeos reais utilizados em pesquisas de contagem de tráfego, alcançou-se um valor preditivo positivo acima de 89,85% e sensibilidade (recall) acima de 87,32%. Esse resultado na contagem classificatória de veículos foi coletado utilizando quatro cenários diferentes e a tabela de classificação do DNIT com 14 classes. Os resultados apontam que a solução proposta permite automatizar as pesquisas volumétricas de tráfego de forma não invasiva e de baixo custo.”
Divulgação - Defesa Nº 222
Aluno: Gerivan Clecio dos Santos Júnior
Título: “Segmentação de Fissuras em Cerâmicas com Aprendizagem Profunda para Inspeção de Fachadas”.
Orientador: Prof. Bruno José Torres Fernandes
Data-hora: 27/Novembro/2020 (9:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (http://meet.google.com/cvt-trxp-dnu)
Resumo:
“Fissuras são patologias cujo aparecimento em cerâmicas de revestimento pode causar diversos riscos, a medida que o sistema de revestimento perde sua função de estanque e impermeabilidade. O desprendimento de uma placa cerâmica, além de expor a estrutura predial, pode acidentar pessoas que trafeguem em torno da edificação. A inspeção manual utilizada na inspeção de fachadas é o método mais comum para este problema, porém, depende de profissionais com experiência e conhecimento na área, além de demandar tempo para mapeamento de local a ser reparado e possuir custo elevado, pois, tais inspeções necessitam de equipamentos especiais visto que a maioria ocorre em locais elevados e expõe o profissional a riscos. Considerando isto, destaca-se a necessidade de uma inspeção óptica automatizada, com a finalidade de encontrar fissuras nas placas cerâmicas. Este projeto tem como foco a segmentação de fissuras em imagens de cerâmicas, utilizando a aprendizagem profunda para segmentar esses defeitos com poucas imagens. É Proposto uma arquitetura para segmentação de fissuras em fachadas com Deep Learning que inclui uma etapa de pré-processamento e uma rede neural profunda. Também foi proposto o Ceramic Crack Database, um conjunto de imagens para avaliar a segmentação de defeitos em revestimentos cerâmicos. Os resultados mostram que o método proposto alcança desempenho promissor. Há dificuldades para um modelo de rede aprender padrão de argamassa e diferenciá-lo da fissura, no entanto, o modelo pode identificar adequadamente a fissura, mesmo quando está perto ou dentro da argamassa.”
O Programa
