Técnicas de pré-processamento utilizando YOLOP para detecção de faixas em ambientes de direção autônoma
O campo da direção autônoma tem atraído crescente interesse por soluções que conciliem alto grau de confiabilidade e capacidade de realizar inferências em tempo real. A diversidade presente no mundo real, como variações de iluminação e condições climáticas, impõe desafios adicionais a tarefas como a...
| Autor principal: | Sousa, Igor Mahall Marinho de |
|---|---|
| Outros Autores: | https://lattes.cnpq.br/5873957003704936 |
| Grau: | Dissertação |
| Idioma: | por |
| Publicado em: |
Universidade Federal do Amazonas
2025
|
| Assuntos: | |
| Acesso em linha: |
https://tede.ufam.edu.br/handle/tede/10622 |
| id |
oai:https:--tede.ufam.edu.br-handle-:tede-10622 |
|---|---|
| recordtype |
dspace |
| spelling |
oai:https:--tede.ufam.edu.br-handle-:tede-106222025-01-24T05:06:24Z Técnicas de pré-processamento utilizando YOLOP para detecção de faixas em ambientes de direção autônoma Pre-processing techniques using yolop for lane detection in autonomous driving environments Sousa, Igor Mahall Marinho de Silva Junior, Waldir Sabino da https://lattes.cnpq.br/5873957003704936 http://lattes.cnpq.br/2925380715531711 Araujo, Gabriel Matos http://lattes.cnpq.br/4461794616207452 Pinagé, Frederico da Silva http://lattes.cnpq.br/7649322096353511 Sistemas de reconhecimento de padrões ENGENHARIAS: ENGENHARIA ELETRICA Reconhecimento de Padrões Deep Learning Direção Autônoma Detecção de Faixas YOLOP O campo da direção autônoma tem atraído crescente interesse por soluções que conciliem alto grau de confiabilidade e capacidade de realizar inferências em tempo real. A diversidade presente no mundo real, como variações de iluminação e condições climáticas, impõe desafios adicionais a tarefas como a detecção de objetos e a segmentação semântica. Este trabalho investiga o impacto da aplicação de técnicas de correção de iluminação no sistema YOLOP, um algoritmo de deep learning de estágio único, voltado para a detecção de faixas em rodovias. As técnicas AWB, SCL-LLE e Wavenet foram avaliadas utilizando imagens das bases de dados VIL-100 e CULane. Os resultados experimentais apontaram que o modelo SCL-LLE apresentou o melhor desempenho, evidenciando que o uso de informações semânticas durante o processo de correção de iluminação contribui positivamente para a detecção de faixas, em conformidade com a abordagem do YOLOP, que também explora essas informações. The field of autonomous driving has garnered increasing interest in solutions that combine high reliability with real-time inference capabilities. The diversity of real-world scenarios, including variations in lighting and weather conditions, imposes additional challenges on tasks such as object detection and semantic segmentation. This study investigates the integration of lighting correction techniques into the YOLOP system, a single-stage deep learning algorithm designed for lane detection on highways. The AWB, SCL-LLE, and Wavenet techniques were evaluated using images from the VIL-100 and CULane datasets. Experimental results revealed that the SCL-LLE model achieved the best performance, highlighting that leveraging semantic information during lighting correction positively impacts lane detection, aligning with YOLOP’s approach to utilizing semantic features. 2025-01-23T21:58:48Z 2024-10-22 Dissertação SOUSA, Igor Mahall Marinho de. Técnicas de pré-processamento utilizando YOLOP para detecção de faixas em ambientes de direção autônoma. 2024. 61 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus (AM), 2024. https://tede.ufam.edu.br/handle/tede/10622 por Acesso Aberto https://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica |
| institution |
TEDE - Universidade Federal do Amazonas |
| collection |
TEDE-UFAM |
| language |
por |
| topic |
Sistemas de reconhecimento de padrões ENGENHARIAS: ENGENHARIA ELETRICA Reconhecimento de Padrões Deep Learning Direção Autônoma Detecção de Faixas YOLOP |
| spellingShingle |
Sistemas de reconhecimento de padrões ENGENHARIAS: ENGENHARIA ELETRICA Reconhecimento de Padrões Deep Learning Direção Autônoma Detecção de Faixas YOLOP Sousa, Igor Mahall Marinho de Técnicas de pré-processamento utilizando YOLOP para detecção de faixas em ambientes de direção autônoma |
| topic_facet |
Sistemas de reconhecimento de padrões ENGENHARIAS: ENGENHARIA ELETRICA Reconhecimento de Padrões Deep Learning Direção Autônoma Detecção de Faixas YOLOP |
| description |
O campo da direção autônoma tem atraído crescente interesse por soluções que conciliem alto grau de confiabilidade e capacidade de realizar inferências em tempo real. A diversidade presente no mundo real, como variações de iluminação e condições climáticas, impõe desafios adicionais a tarefas como a detecção de objetos e a segmentação semântica. Este trabalho investiga o impacto da aplicação de técnicas de correção de iluminação no sistema YOLOP, um algoritmo de deep learning de estágio único, voltado para a detecção de faixas em rodovias. As técnicas AWB, SCL-LLE e Wavenet foram avaliadas utilizando imagens das bases de dados VIL-100 e CULane. Os resultados experimentais apontaram que o modelo SCL-LLE apresentou o melhor desempenho, evidenciando que o uso de informações semânticas durante o processo de correção de iluminação contribui positivamente para a detecção de faixas, em conformidade com a abordagem do YOLOP, que também explora essas informações. |
| author_additional |
Silva Junior, Waldir Sabino da |
| author_additionalStr |
Silva Junior, Waldir Sabino da |
| format |
Dissertação |
| author |
Sousa, Igor Mahall Marinho de |
| author2 |
https://lattes.cnpq.br/5873957003704936 |
| author2Str |
https://lattes.cnpq.br/5873957003704936 |
| title |
Técnicas de pré-processamento utilizando YOLOP para detecção de faixas em ambientes de direção autônoma |
| title_short |
Técnicas de pré-processamento utilizando YOLOP para detecção de faixas em ambientes de direção autônoma |
| title_full |
Técnicas de pré-processamento utilizando YOLOP para detecção de faixas em ambientes de direção autônoma |
| title_fullStr |
Técnicas de pré-processamento utilizando YOLOP para detecção de faixas em ambientes de direção autônoma |
| title_full_unstemmed |
Técnicas de pré-processamento utilizando YOLOP para detecção de faixas em ambientes de direção autônoma |
| title_sort |
técnicas de pré-processamento utilizando yolop para detecção de faixas em ambientes de direção autônoma |
| publisher |
Universidade Federal do Amazonas |
| publishDate |
2025 |
| url |
https://tede.ufam.edu.br/handle/tede/10622 |
| _version_ |
1831970401198014464 |
| score |
11.753896 |