Close
Metadata

Identity statement area
Reference TypeConference Proceedings
Sitesibgrapi.sid.inpe.br
Identifier8JMKD3MGPAW/3S3AMP2
Repositorysid.inpe.br/sibgrapi/2018/10.16.23.33
Last Update2018:10.16.23.33.05 murillo.bouzon@hotmail.com
Metadatasid.inpe.br/sibgrapi/2018/10.16.23.33.05
Metadata Last Update2020:02.20.22.06.49 administrator
Citation KeyBouzonZuAnGrLoSaRo:2018:ReRaOf
TitleReconhecimento de rascunhos offline em cenários para simulação de corpos rígidos
FormatOn-line
Year2018
DateOct. 29 - Nov. 1, 2018
Access Date2020, Dec. 02
Number of Files1
Size458 KiB
Context area
Author1 Bouzon, Murillo F.
2 Zulli, Rafael
3 Andrijauskas, Adriana
4 Grassl, Eric
5 Lopes, Fernando M.
6 Santos, Ricardo M.
7 Rodrigues, Paulo Sérgio Silva
Affiliation1 Centro Universitário FEI
2 Centro Universitário FEI
3 Centro Universitário FEI
4 Centro Universitário FEI
5 Centro Universitário FEI
6 Centro Universitário FEI
7 Centro Universitário FEI
EditorRoss, Arun
Gastal, Eduardo S. L.
Jorge, Joaquim A.
Queiroz, Ricardo L. de
Minetto, Rodrigo
Sarkar, Sudeep
Papa, João Paulo
Oliveira, Manuel M.
Arbeláez, Pablo
Mery, Domingo
Oliveira, Maria Cristina Ferreira de
Spina, Thiago Vallin
Mendes, Caroline Mazetto
Costa, Henrique Sérgio Gutierrez
Mejail, Marta Estela
Geus, Klaus de
Scheer, Sergio
e-Mail Addressmurillo.bouzon@hotmail.com
Conference NameConference on Graphics, Patterns and Images, 31 (SIBGRAPI)
Conference LocationFoz do Iguaçu, PR, Brazil
Book TitleProceedings
PublisherSociedade Brasileira de Computação
Publisher CityPorto Alegre
History2018-10-16 23:33:05 :: murillo.bouzon@hotmail.com -> administrator ::
2020-02-20 22:06:49 :: administrator -> :: 2018
Content and structure area
Is the master or a copy?is the master
Document Stagecompleted
Document Stagenot transferred
Transferable1
Tertiary TypeUndergraduate Work
KeywordsReconhecimento de rascunhos, YOLO, Redes Neurais Convolutivas, Sketch Dataset.
AbstractO reconhecimento de rascunhos a mão livre é uma pré-tarefa importante para aplicações de simulações físicas. A interpretação de uma primitiva geométrica pode ser uma tarefa simples ou demasiadamente complexa, dependendo da orientação da figura e do ângulo de perspectiva da câmera. Este trabalho propõe 7 modelos de Deep learning, para reconhecimento de rascunhos feitos a mão, que são comparados e analisados. Além disso, é proposta uma base de dados chamada PhySketch, contendo 9.008 rascunhos de elementos naturais e, a partir destes, 359.784 rascunhos artificiais. De todos os modelos analisados, o modelo PHS−TA8 obteve a melhor capacidade de detecção, com mAP de 79.31% em cenários naturais mostrando-se invariante à escala, distorção, localização e orientação dos elementos em cenários de ruídos variados.
source Directory Contentthere are no files
agreement Directory Content
agreement.html 16/10/2018 20:33 1.2 KiB 
Conditions of access and use area
Languagept
Target Filepaper-scketch-recognition (3).pdf
User Groupmurillo.bouzon@hotmail.com
Visibilityshown
Allied materials area
Mirror Repositorysid.inpe.br/banon/2001/03.30.15.38.24
Next Higher Units8JMKD3MGPAW/3RPADUS
Host Collectionsid.inpe.br/banon/2001/03.30.15.38
Notes area
Empty Fieldsaccessionnumber archivingpolicy archivist area callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination doi edition electronicmailaddress group holdercode isbn issn label lineage mark nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid rightsholder secondarydate secondarykey secondarymark secondarytype serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume

Close