Close
Metadata

1. Identity statement
Reference TypeConference Paper (Conference Proceedings)
Sitesibgrapi.sid.inpe.br
Holder Codeibi 8JMKD3MGPEW34M/46T9EHH
Identifier8JMKD3MGPAW/3S3AMP2
Repositorysid.inpe.br/sibgrapi/2018/10.16.23.33
Last Update2018:10.16.23.33.05 (UTC) murillo.bouzon@hotmail.com
Metadata Repositorysid.inpe.br/sibgrapi/2018/10.16.23.33.05
Metadata Last Update2022:05.18.22.18.32 (UTC) administrator
Citation KeyBouzonZuAnGrLoSaRo:2018:ReRaOf
TitleReconhecimento de rascunhos offline em cenários para simulação de corpos rígidos
FormatOn-line
Year2018
Access Date2024, Apr. 30
Number of Files1
Size458 KiB
2. Context
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
Date29 Oct.-1 Nov. 2018
PublisherSociedade Brasileira de Computação
Publisher CityPorto Alegre
Book TitleProceedings
Tertiary TypeUndergraduate Work
History (UTC)2018-10-16 23:33:05 :: murillo.bouzon@hotmail.com -> administrator ::
2022-05-18 22:18:32 :: administrator -> :: 2018
3. Content and structure
Is the master or a copy?is the master
Content Stagecompleted
Transferable1
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.
Arrangementurlib.net > SDLA > Fonds > SIBGRAPI 2018 > Reconhecimento de rascunhos...
doc Directory Contentaccess
source Directory Contentthere are no files
agreement Directory Content
agreement.html 16/10/2018 20:33 1.2 KiB 
4. Conditions of access and use
data URLhttp://urlib.net/ibi/8JMKD3MGPAW/3S3AMP2
zipped data URLhttp://urlib.net/zip/8JMKD3MGPAW/3S3AMP2
Languagept
Target Filepaper-scketch-recognition (3).pdf
User Groupmurillo.bouzon@hotmail.com
Visibilityshown
Update Permissionnot transferred
5. Allied materials
Mirror Repositorysid.inpe.br/banon/2001/03.30.15.38.24
Next Higher Units8JMKD3MGPAW/3RPADUS
Citing Item Listsid.inpe.br/sibgrapi/2018/09.03.20.37 10
Host Collectionsid.inpe.br/banon/2001/03.30.15.38
6. Notes
Empty Fieldsarchivingpolicy archivist area callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination doi edition electronicmailaddress group isbn issn label lineage mark nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark secondarytype serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume


Close