|
|
Registro Completo |
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
07/10/2021 |
Data da última atualização: |
03/11/2021 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
FERREIRA SOBRINHO, P. A.; SANTOS, T. T. |
Afiliação: |
PEDRO ANDRADE FERREIRA SOBRINHO, BOLSISTA CNPQ (PIBIC); THIAGO TEIXEIRA SANTOS, CNPTIA. |
Título: |
Iboju: uma ferramenta de anotação de imagens para treinamento de detectores. |
Ano de publicação: |
2021 |
Fonte/Imprenta: |
In: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 15., 2021, Campinas. Anais [...]. Campinas: Instituto de Zootecnia, 2021. |
Páginas: |
p. 1-12. |
ISBN: |
978-65-994972-0-9 |
Idioma: |
Português |
Notas: |
Ref. 21606. Evento online. CIIC 2021. |
Conteúdo: |
RESUMO - A automação no contexto da agricultura é significativamente mais complexa do que em contextos urbanos e industriais. Devido à grande variabilidade das estruturas orgânicas, métodos cada vez mais complexos e rebuscados são necessários para um bom reconhecimento de padrões e detecção de imagens, tão necessários para a automação de processos produtivos de atividades ligadas à agropecuária. Contudo, devido à natureza das imagens naturais, existem poucas ferramentas capazes de anotá-las da forma desejada. Neste trabalho, desenvolvemos a Iboju, uma ferramenta de segmentação em imagem natural capaz de anotar, rápida e eficientemente, em imagens capturadas de ambientes naturais ligados à agropecuária, gerando caixas delimitadoras e máscaras do objeto desejado. Para isso, foram usadas técnicas de Deep Learning com redes neurais convolutivas aliadas a algoritmos de segmentação de macropixels. A ideia principal da Iboju é que a Rede Neural gere uma anotação que seria corrigida e aprimorada interativamente pelo usuário através de algoritmos de segmentação. Ao compararmos o uso da Iboju a outras ferramentas de anotação, é notável a maior rapidez e exatidão, sendo possível a criação de bases de dados cada vez maiores que poderão ser usadas para melhorar o desempenho de redes neurais de detecção de imagens. A Iboju alimentaria treinamentos de redes que poderão ser usadas dentro dela. A partir da Iboju, é possível a construção de bases de dados cada vez maiores, que poderão ser usadas para alimentar algoritmos de automação de processos que dependem de detecção, como coleta de frutos e contagem de gado. MenosRESUMO - A automação no contexto da agricultura é significativamente mais complexa do que em contextos urbanos e industriais. Devido à grande variabilidade das estruturas orgânicas, métodos cada vez mais complexos e rebuscados são necessários para um bom reconhecimento de padrões e detecção de imagens, tão necessários para a automação de processos produtivos de atividades ligadas à agropecuária. Contudo, devido à natureza das imagens naturais, existem poucas ferramentas capazes de anotá-las da forma desejada. Neste trabalho, desenvolvemos a Iboju, uma ferramenta de segmentação em imagem natural capaz de anotar, rápida e eficientemente, em imagens capturadas de ambientes naturais ligados à agropecuária, gerando caixas delimitadoras e máscaras do objeto desejado. Para isso, foram usadas técnicas de Deep Learning com redes neurais convolutivas aliadas a algoritmos de segmentação de macropixels. A ideia principal da Iboju é que a Rede Neural gere uma anotação que seria corrigida e aprimorada interativamente pelo usuário através de algoritmos de segmentação. Ao compararmos o uso da Iboju a outras ferramentas de anotação, é notável a maior rapidez e exatidão, sendo possível a criação de bases de dados cada vez maiores que poderão ser usadas para melhorar o desempenho de redes neurais de detecção de imagens. A Iboju alimentaria treinamentos de redes que poderão ser usadas dentro dela. A partir da Iboju, é possível a construção de bases de dados cada vez maiores, que poderão ser usa... Mostrar Tudo |
Palavras-Chave: |
Agropecuária; Anotação de imagens; Aprendizado de máquina; Aprendizagem profunda; Deep learning; Image annotation; Rede neural; Segmentação; Segmentation. |
Thesaurus Nal: |
Neural networks. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/226779/1/RE21606.pdf
|
Marc: |
LEADER 02597nam a2200277 a 4500 001 2135134 005 2021-11-03 008 2021 bl uuuu u00u1 u #d 020 $a978-65-994972-0-9 100 1 $aFERREIRA SOBRINHO, P. A. 245 $aIboju$buma ferramenta de anotação de imagens para treinamento de detectores.$h[electronic resource] 260 $aIn: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 15., 2021, Campinas. Anais [...]. Campinas: Instituto de Zootecnia$c2021 300 $ap. 1-12. 500 $aRef. 21606. Evento online. CIIC 2021. 520 $aRESUMO - A automação no contexto da agricultura é significativamente mais complexa do que em contextos urbanos e industriais. Devido à grande variabilidade das estruturas orgânicas, métodos cada vez mais complexos e rebuscados são necessários para um bom reconhecimento de padrões e detecção de imagens, tão necessários para a automação de processos produtivos de atividades ligadas à agropecuária. Contudo, devido à natureza das imagens naturais, existem poucas ferramentas capazes de anotá-las da forma desejada. Neste trabalho, desenvolvemos a Iboju, uma ferramenta de segmentação em imagem natural capaz de anotar, rápida e eficientemente, em imagens capturadas de ambientes naturais ligados à agropecuária, gerando caixas delimitadoras e máscaras do objeto desejado. Para isso, foram usadas técnicas de Deep Learning com redes neurais convolutivas aliadas a algoritmos de segmentação de macropixels. A ideia principal da Iboju é que a Rede Neural gere uma anotação que seria corrigida e aprimorada interativamente pelo usuário através de algoritmos de segmentação. Ao compararmos o uso da Iboju a outras ferramentas de anotação, é notável a maior rapidez e exatidão, sendo possível a criação de bases de dados cada vez maiores que poderão ser usadas para melhorar o desempenho de redes neurais de detecção de imagens. A Iboju alimentaria treinamentos de redes que poderão ser usadas dentro dela. A partir da Iboju, é possível a construção de bases de dados cada vez maiores, que poderão ser usadas para alimentar algoritmos de automação de processos que dependem de detecção, como coleta de frutos e contagem de gado. 650 $aNeural networks 653 $aAgropecuária 653 $aAnotação de imagens 653 $aAprendizado de máquina 653 $aAprendizagem profunda 653 $aDeep learning 653 $aImage annotation 653 $aRede neural 653 $aSegmentação 653 $aSegmentation 700 1 $aSANTOS, T. T.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registros recuperados : 1 | |
Registros recuperados : 1 | |
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|