Contribuio para a deteco de veculos atravs de aprendizagem profunda

Est a ter lugar uma aprendizagem profunda, especialmente com o rpido crescimento e disponibilidade de grandes bases de dados e as recentes melhorias nas Unidades de Processamento Grfico (GPUs). O principal objectivo desta investigao aplicar algoritmos de aprendizagem profunda, tais como Redes Neurais Convolucionais (CNNs) e arquitecturas profundas, em particular o modelo VGG-16 deep para categorizao e localizao de veculos em cenrios rodovirios. Nesta tese, mostraremos que atravs da parametrizao optimizada e modificao algortmica simples, podemos melhorar, mesmo relativamente, a robustez de uma determinada rede Faster R-CNN na deteco de veculos e obter melhores resultados com base em vrias bases de dados (PASCAL VOC 2007, PASCAL VOC 2012, MIT Traffic, CUHK Square e Logiroad).