CRIAÇÃO E VALIDAÇÃO DE UMA BASE DE DADOS COM ALGUNS ELEMENTOS DO TRÂNSITO BRASILEIRO PARA VEÍCULOS AUTÔNOMOS

A aprendizagem de máquina vem possibilitando o surgimento de novos produtos e recursos revolucionários, como veículos autônomos. Graças às redes neurais artificiais aplicadas à visão computacional, os sistemas conseguem reconhecer padrões de forma próxima à visão humana. Para o treinamento de redes neurais profundas (Deep Learning) é necessária uma base de dados numerosa para a compreensão de padrões visuais. Visando contribuir com as aplicações para veículos autônomos, este trabalho cria uma base de dados com alguns elementos do trânsito brasileiro. Para a validação e treinamento da base de dados foi utilizada a rede Yolo-v3 e realizados testes em diversos cenários, avaliando critérios como a quantidade de objetos detectados e a capacidade de identificação correta do tipo de objeto. Como resultado, para o ambiente virtual houve detecções de 21,5% de objetos, com 83% classificados corretamente. E para os cenários reais houve detecções de 61,8% de objetos, com 88% classificados corretamente.