Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.17648/sbai-2019-112456
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!Este artigo descreve a aplicação de uma rede neural convolucional profunda pré-treinada para detectar meteoros a partir de imagens do céu noturno. O conjunto de dados é relativamente pequeno, composto de imagens rotuladas de meteoros e não-meteoros. Técnicas como aumento de dados foram usadas para criar dados artificialmente, e uma camada de dropout foi introduzida para evitar overfitting no dataset aumentado para treinamento. O desempenho obtido pelos métodos usando a validação cruzada com cinco pastas, juntamente com a mudança das imagens para preto e branco, em comparação com os obtidos usando apenas as partições de treinamento e validação e cores RGB, alcançou uma precisão média maior de 84,35%.
Preservar a memória da conferência e aumentar o alcance do conhecimento científico é a razão pela qual o Processo de Galoá foi criado.
Os trabalhos da conferência publicados aqui são de acesso aberto e nossa indexação mantém os trabalhos apresentado na conferência fácil de encontrar e citar.
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo