Please use this identifier to cite or link to this item: http://guaiaca.ufpel.edu.br:8080/handle/prefix/4816
metadata.dc.type: masterThesis
Title: Uma abordagem de extração de grafite com multiagente e identificação por CNNs
Other Titles: A graffiti extraction approach with multi-agent and identification CNNs
metadata.dc.creator: Santos, Glauco Roberto Munsberg dos
metadata.dc.contributor.advisor1: Araújo, Ricardo Matsumura de
metadata.dc.description.resumo: O grafite é um intervenção urbana que utiliza muros, paredes e postes como suporte e geralmente está ligado a uma mensagem social ou política, estas representações urbanas são, muitas vezes, um importante indicador social. Mapeá-los e rastreá-los permite compreender como essas intervenções interagem com os demais elementos do meio urbano. Este trabalho tem por objetivo avaliar o uso de Redes Neurais Convolucionais e Sistemas Multiagente para localizar e mapear grafites em cidades, a partir de imagens em nível de rua provenientes do Google Street View. O método utilizado foi a elaboração de quatro experimentos com as redes neurais pré-treinadas e reuso dos seus classificadores para o novo contexto de identificação de grafite. Utilizamos para isso a técnica de fine-tuning com imagens extraídas do Flickr e do Google Street View. Através da análise dos modelos será mostrado que o reuso dos classificadores é promissor, diminuindo o tempo de treinamento das redes e obtendo modelos com resultados de 76,9% para a taxa de verdadeiros positivos quando testado o dataset do Flickr e sensibilidade de 71,43% em imagens do ambiente urbano. Destaca-se ainda neste trabalho o sistema multiagente capaz de percorrer o ambiente urbano do Google Street View e analisar em média 61 imagens por minuto para cada agente.
Abstract: Graffitiisanurbaninterventionthatuseswallsandpostsassupportgenerallylinked to a social or political message. These urban representations are often an important social indicator. Mapping and tracking them allows us to understand how these interventions interact with other elements of the urban environment. This work aims to evaluate the use of Convolutional Neural Networks and Multiagent Systems to locate and map graffiti in cities from street level images from Google Street View. The method used was the elaboration of four experiments with the pretrained neural networks and reuse of their classifiers for the new context of identification of Graffiti. We used the fine-tuning technique with images extracted from Flickr and Google Street View. Through the analysis of models, it will be shown that the reutilization of the classifiers is promising, reducing the network training time and getting models with results of 76.9% for the true positive rateon Flickr’s data setand sensitivity 71.43% images in the urban environment. Also, it is worth noting that the multi-agent system can navigate the urban environment of Google Street View and analyze an average of 61 images per minute for each agent.
Keywords: Grafite
Arte urbana
Rede neural convolucional
Aprendizado profundo
Sistemas multiagente
Graffiti
Urban art
Convolutional neural networks
Deep learning
Multiagents system
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal de Pelotas
metadata.dc.publisher.initials: UFPel
metadata.dc.publisher.department: Centro de Desenvolvimento Tecnológico
metadata.dc.publisher.program: Programa de Pós-Graduação em Computação
Citation: SANTOS, Glauco Roberto Munsberg dos. Uma abordagem de extração de grafite com multiagente e identificação por CNNs. 2019. 66 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação em Computação, Centro de Desenvolvimento Tecnológico, Universidade Federal de Pelotas, Pelotas, 2019.
metadata.dc.rights: OpenAccess
URI: http://guaiaca.ufpel.edu.br:8080/handle/prefix/4816
Issue Date: 7-Mar-2019
Appears in Collections:PPGC: Dissertações e Teses

Files in This Item:
File Description SizeFormat 
Dissertacao_GLAUCO_ROBERTO_M_DOS_SANTOS.pdf8,9 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons