Use este identificador para citar ou linkar para este item:
https://repositorio.pucgoias.edu.br/jspui/handle/123456789/390
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Cardoso, Matheus Souza | - |
dc.date.accessioned | 2020-12-10T19:19:33Z | - |
dc.date.available | 2020-12-10T19:19:33Z | - |
dc.date.issued | 2020-12-02 | - |
dc.identifier.uri | https://repositorio.pucgoias.edu.br/jspui/handle/123456789/390 | - |
dc.description.sponsorship | Não recebi financiamento | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Pontifícia Universidade Católica de Goiás | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Redes neurais convolucionais | pt_BR |
dc.subject | Veias | pt_BR |
dc.subject | Segmentação semântica | pt_BR |
dc.subject | Base de dados | pt_BR |
dc.title | Segmentação de veias do pulso com uso de segmentação semântica | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.contributor.advisor1 | Galvão Filho, Arlindo Rodrigues | - |
dc.contributor.advisor1ID | https://orcid.org/0000-0003-2151-8039 | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7744765287200890 | pt_BR |
dc.contributor.referee1 | Carvalho, Rafael Viana de | - |
dc.contributor.referee1ID | https://orcid.org/0000-0001-8656-5472 | pt_BR |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/8037512088703488 | pt_BR |
dc.contributor.referee2 | Franco, Ricardo Augusto Pereira | - |
dc.contributor.referee2ID | https://orcid.org/0000-0001-7169-3367 | pt_BR |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/5597959559288383 | pt_BR |
dc.description.resumo | Este trabalho propõe o estudo de segmentação semântica de imagens utilizando redes neurais profundas. Foi gerada uma base de dados de anotações de imagens do pulso no espectro infravermelho, para realizar o treinamento de diferentes Redes Neurais Convolucionais (CNNs) para segmentação semântica. Em um primeiro momento foram treinados três CNNs diferentes (U-Net, SegNet e DeepLabv3) utilizando a mesma disposição de dados de treinamento e teste, onde as imagens dos primeiros 56 indivíduos foram utilizadas para treinamento e as últimas 37 para teste, os resultados dos modelos foram comparados e a que obteve os melhores valores de acurácia para detecção de veias foi a SegNet. Por fim o modelo SegNet foi treinado novamente com a separação dos dados de treinamento e teste feito de duas formas diferentes, no primeiro caso foram utilizadas três imagens de cada indivíduo para treinamentos e duas para teste e no segundo caso os dados de treinamento e teste foram distribuídos aleatoriamente, sendo 60% das imagens totais para treinamento e 40% para teste, para estes dois últimos testes não houve melhora nos resultados. Foi possível concluir que a SegNet se mostrou ser mais eficaz para a segmentação de veias para a base de dados utilizada no trabalho em comparação com outras CNNs, além disso, foi possível observar que os modelos em geral não obtiveram excelentes resultado, pois foram utilizados poucos dados para treinamento e teste. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Escola de Ciências Exatas e da Computação | pt_BR |
dc.publisher.initials | PUC Goiás | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | pt_BR |
dc.degree.graduation | Ciência da Computação | pt_BR |
dc.degree.level | Graduação | pt_BR |
Aparece nas coleções: | TCC Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC Versao Final.pdf | 1,06 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
Ferramentas do administrador