Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/7046
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorCámara Chávez, Guillermopt_BR
dc.contributor.advisorZiviani, Hugo Eduardopt_BR
dc.contributor.authorNunes, Nicolle Canuto-
dc.date.accessioned2024-10-17T13:51:43Z-
dc.date.available2024-10-17T13:51:43Z-
dc.date.issued2024pt_BR
dc.identifier.citationNUNES, Nicolle Canuto. ROI na detecção do uso de EPI: uma comparação entre as redes neurais artificiais YOLO e DETR. 2024. 30 f. Monografia (Graduação em Ciência da Computação) - Departamento de Computação, Universidade Federal de Ouro Preto, Ouro Preto, 2024.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/7046-
dc.description.abstractProfissionais da Indústria da Construção Civil (ICC) enfrentam riscos constantes, o que os torna frequentemente suscetíveis a acidentes laborais. O uso inadequado de Equipamento de Proteção Individual (EPI) expõe esses trabalhadores a lesões graves, incluindo cortes, perfurações, quedas e, em casos extremos, fatalidades. Este estudo visa aprimorar a detecção do uso de EPIs na ICC, empregando abordagens baseadas em redes neurais. A pesquisa consiste no treinamento e avaliação das redes You Only Look Once (YOLO) e DEtection TRansformer (DETR) seguida da aplicação de diferentes Region of Interest (ROI), em busca da otimização do desempenho final. As avaliações incluem métricas relevantes, como precision, recall e f-score, que revelam uma superioridade da DETR em relação à YOLO em termos de arquitetura e adaptabilidade.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectEquipamento de proteção individualpt_BR
dc.subjectRedes neurais artificiaispt_BR
dc.subjectDetecção de objetospt_BR
dc.subjectDeep learningpt_BR
dc.subjectYou only look oncept_BR
dc.subjectRegion of interestpt_BR
dc.subjectDetection transformerpt_BR
dc.titleROI na detecção do uso de EPI : uma comparação entre as redes neurais artificiais YOLO e DETR.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeGertrudes, Jadson Castropt_BR
dc.contributor.refereeSilva, Pedro Henrique Lopespt_BR
dc.contributor.refereeCámara Chávez, Guillermopt_BR
dc.contributor.refereeZiviani, Hugo Eduardopt_BR
dc.description.abstractenProfessionals in the Construction Industry face constant risks, making them frequently susceptible to occupational accidents. Improper use of Personal Protective Equipment (PPE) exposes these workers to serious injuries, including cuts, punctures, falls, and, in extreme cases, fatalities. This study aims to enhance the detection of PPE usage, employing neural network-based approaches. The study involves training and evaluating YOLO and DETR networks, and applying ROI differently generated for performance optimization. Evaluations will include relevant metrics such as precision, recall and F-score, which reveal the superiority of DETR to YOLO in terms of architecture and adaptability.pt_BR
dc.contributor.authorID20.1.4022pt_BR
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_RegionInterestDetecção.pdf2,84 MBAdobe PDFVisualizar/Abrir


Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.