Defesa de Proposta de Dissertação: Paulina Irene Velasquez Ferrufino
Data de publicação: 13 de junho de 2024. Categoria: Notícias, Proposta de Dissertação
Título: Aprendizado Ativo Aplicado ao YOLO para a Detecção e Classificação de Defeitos em Pavimentos
Data: 18/06/2024
Horário: 16h00
Local: Google Meet (https://meet.google.com/dsa-oobt-ywd)
Resumo:
A detecção e classificação de defeitos em pavimentos, como buracos, trincas e remendos, é essencial para a manutenção proativa de estradas e segurança viária. Tradicionalmente, esse processo tem sido realizado manualmente, uma prática que, além de trabalhosa, é suscetível a inconsistências e atrasos na implementação de medidas corretivas. Recentemente, esta tarefa tem sido automatizada por métodos baseados em processamento de imagens com redes neurais artificiais. No entanto, o desempenho desses sistemas de detecção está intrinsecamente ligado à quantidade e à qualidade de dados de treinamento disponíveis, o que apresenta um desafio significativo, considerando-se o custo da rotulagem manual. Dessa maneira, este estudo apresenta uma abordagem de aprendizado ativo que visa selecionar os dados mais apropriados para a rotulação manual, com o objetivo de obter o melhor classificador final na presença de menos dados rotulados. Na experimentação serão aproveitadas as capacidades de detecção de objetos do YOLOv9, aplicando-se estratégias de transfer-learning e data augmentation. São comparadas diversas técnicas de aprendizado ativo, incluindo uma nova técnica, chamada Clustering in Diversity and Uncertainty (CDU), que considera tanto as incertezas nas predições para cada classe quanto a diversidade das imagens escolhidas para rotulação. A validação da abordagem foi realizada através da análise de vídeos coletados em diferentes condições de vias urbanas e rodovias do Nordeste do Brasil, garantindo uma avaliação abrangente do desempenho em cenários variados e reais de pavimento. A abordagem CDU demonstrou a maior precisão, equilibrando o desempenho do modelo final e a quantidade de dados rotulados.
Banca examinadora:
- Prof. Dr. César Lincoln Cavalcante Mattos (MDCC/UFC – Orientador)
- Dr. Marcelo Bruno de Almeida Veras (Veras Consultoria de Software LTDA)
- Prof. Dr. João Paulo do Vale Madeiro (MDCC/UFC)
- Prof. Dr. João Paulo Pordeus Gomes (UFC)
