Type
article
Identifier
VALENTE, Miguel [et al.] (2019) - Técnicas de visão computacional para a deteção de contentores de resíduos. In Iberian Conference on Information Systems and Technologies, 14, Coimbra, 19-22 June. [S.l.] : IEEE, p. 1-4
10.23919/CISTI.2019.8760862
Title
Técnicas de visão computacional para a deteção de contentores de resíduos
Computer vision approaches to waste containers detection
Computer vision approaches to waste containers detection
Subject
Contentores de residuos
Identificação por radiofrequência
Visão computacional
Redes neuronais convolucionais
Deteção de objectos
YOLO
Waste containers
Radio-frequency identification
Computational vision
Convulutional neural networks
Object detection
YOLO
Identificação por radiofrequência
Visão computacional
Redes neuronais convolucionais
Deteção de objectos
YOLO
Waste containers
Radio-frequency identification
Computational vision
Convulutional neural networks
Object detection
YOLO
Date
2020-02-24T12:32:57Z
2020-02-24T12:32:57Z
2019-06
2020-02-24T12:32:57Z
2019-06
Description
“© © 2019 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works.”
O trabalho apresentado neste artigo resulta de uma investigação preliminar que visa a utilização de técnicas de visão computacional para substituir o método atual de identificação de contentores de resíduos via identificação por radiofrequência. Comparativamente ao método atual, esta abordagem é mais ágil e diminui os recursos necessários para implementação. A abordagem aqui discutida é centrada no uso de redes neuronais convolucionais, especificamente a rede YOLO. Utilizando este método de identificação foi atingido uma precisão de deteção e classificação de 92% dos contentores de resíduos.
Abstract — The work presented in this article is the result of a prelaminar investigation that aims at using computer vision techniques to replace the current method of performing detection of waste contains via radio-frequency identification. Comparatively to the current method, this approach is more agile and diminishes the resources needed for an implementation. The approach discussed is focused on the use of convolutional neural networks, specifically the network YOLO. Using this method of identification, it was attained an accuracy of 92% of the waste containers.
info:eu-repo/semantics/publishedVersion
O trabalho apresentado neste artigo resulta de uma investigação preliminar que visa a utilização de técnicas de visão computacional para substituir o método atual de identificação de contentores de resíduos via identificação por radiofrequência. Comparativamente ao método atual, esta abordagem é mais ágil e diminui os recursos necessários para implementação. A abordagem aqui discutida é centrada no uso de redes neuronais convolucionais, especificamente a rede YOLO. Utilizando este método de identificação foi atingido uma precisão de deteção e classificação de 92% dos contentores de resíduos.
Abstract — The work presented in this article is the result of a prelaminar investigation that aims at using computer vision techniques to replace the current method of performing detection of waste contains via radio-frequency identification. Comparatively to the current method, this approach is more agile and diminishes the resources needed for an implementation. The approach discussed is focused on the use of convolutional neural networks, specifically the network YOLO. Using this method of identification, it was attained an accuracy of 92% of the waste containers.
info:eu-repo/semantics/publishedVersion
Access restrictions
openAccess
http://creativecommons.org/licenses/by/4.0/
http://creativecommons.org/licenses/by/4.0/
Language
por
Comments