Use este identificador para citar ou linkar para este item: http://repositorio.ifam.edu.br/jspui/handle/4321/1514
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisor1Santos, Alyson de Jesus dos Santos-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5998752909180697pt_BR
dc.contributor.referee1Santos, Alyson de Jesus dos-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5998752909180697pt_BR
dc.contributor.referee2Souza, Daniel Fonseca de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/4043793492782488pt_BR
dc.contributor.referee3Rodrigues, Marlos André Silva-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/0650250324042531pt_BR
dc.creatorPedroso, Ytalo Ribeiro da Silva-
dc.date.accessioned2024-09-23T18:42:05Z-
dc.date.available2024-09-23-
dc.date.available2024-09-23T18:42:05Z-
dc.date.issued2024-09-23-
dc.identifier.citationACADEMY,I.E. Referência dospontosindicadospelaanotaçãoYOLO. 2024.Acesso em: 23/02/2024.Disponívelem:<https://iaexpert.academy/cursos-online-assinatura/ deteccao-de-objetos-com-yolo-darknet-opencv-e-python/>. Agência NacionaldeTransportesAquaviários(ANTAQ). Relatório executivodapesquisa de satisfaçãodosusuáriosdoserviçodetransportelongitudinaldepassageiros e mistonanavegaçãointeriordaregiãoamazônica. Brasília,2015.Disponível em: <http://www.antaq.gov.br/Portal/pdf/20150623_BRASIL.RelatorioExecutivo_ PesquisaSatisfacaoNavegacaoInteiror.pdf>. Agência NacionaldeTransportesAquaviários(ANTAQ). Caracterização daOfertaeda Demanda doTransporteFluvialdePassageiroseCargasnaRegiãoAmazônica. [S.l.],2018. 96 p. ARIMA, E.Y.;RICHARDS,P.;WALKER,R.T.;CALDAS,M.M.Urbanizationpatternsinthe brazilian amazon:alandscape-levelanalysisofspatialpatternsanddrivers. Urban Ecosystems, Springer,v.17,n.3,p.643–659,2014. BARBOSA,L.F.;OLIVEIRA,R.A.;COSTA,G.A.Oturismodecruzeiros fluviais na amazônia:análisepreliminar.In: Anais doCongressoBrasileirodePesquisae DesenvolvimentoemTurismo. [S.l.:s.n.],2017.v.10. BENINI, L.;BOGLIOLO,A.Asurveyofdesigntechniquesforsystem-leveldynamicpower management. IEEE TransactionsonVeryLargeScaleIntegration(VLSI)Systems, v.8,n.3, p. 299–316,2000. BISHOP,C.M. PatternRecognitionandMachineLearning. [S.l.]:Springer,2006. BOCHKOVSKIY,A.;WANG,C.-Y.;LIAO,H.-Y.M.Yolov4:Optimalspeedandaccuracyof object detection. arXivpreprintarXiv:2004.10934, 2020. CARMINATI,L.Generalizabilityinqualitativeresearch:Ataleoftwotraditions. Qualitative Health Research, v.28,p.2094–2101,2018. CARVALHO,A.A.d.;SOUZA,E.R.Otransporte fluvial naamazônialegal:umaanálisea partir dasviagensintermunicipaisrealizadasporbarcosdepassageiros. RevistadeEconomiae Sociologia Rural, v.57,n.1,p.25–42,2019. CARVALHO,C. Imagem deestudosobreusodemadeirasamazô- nicas naconstruçãodebarcos. 2014.<https://www.fapeam.am.gov.br/ estudo-analisa-uso-de-madeiras-amazonicas-para-a-construcao-de-barcos/>.Acesso em: 22/03/2024. Centro RegionaldeEstudosparaoDesenvolvimentodaSociedadedaInformação. TIC Domícilios 2022. 2022.<https://cetic.br/media/analises/tic_domicilios_2022_coletiva_imprensa. pdf>. CHAUHAN,M.S.;SINGH,A.;KHEMKA,M.;PRATEEK,A.;SEN,R.Embedded cnn basedvehicleclassification andcountinginnon-lanedroadtraffic. In: Tenth InternationalConferenceonInformationandCommunicationTechnologiesand 51 Development(ICTD’19). Ahmedabad,India:ACM,2019.p.11.Disponívelem: <https://doi.org/10.1145/3287098.3287118>. CHOLLET,F. Deep LearningwithPython. [S.l.]:ManningPublications,2018. COSTA,E.S.;SOUZA,L.M.Perspectivasdedesenvolvimentodoturismo fluvial naamazônia: o papeldaslanchascomomeiodetransporte. TurismoemAnálise, v.31,n.2,p.245–260, 2020. CUNHA, E.F.d.O.;JR.,A.S.I.Odesafio naregulaçãodotransportehidroviáriointermunicipal no amazonas/thechallengeinregulatingintermunicipalwatertransportinamazonas. Brazilian JournalofDevelopment, v.6,n.3,p.15736–15752,Mar.2020.Disponívelem: <https://ojs.brazilianjournals.com.br/ojs/index.php/BRJD/article/view/8197>. CUNNINGHAM, P.;CORD,M.;DELANY,S.J.Supervisedlearning.In: . Machine LearningTechniquesforMultimedia:CaseStudiesonOrganizationandRetrieval. Berlin, Heidelberg:SpringerBerlinHeidelberg,2008.p.21–49.ISBN978-3-540-75171-7.Disponível em: <https://doi.org/10.1007/978-3-540-75171-7_2>. DAMACENO,S.S.;VASCONCELOS,R.O.Inteligênciaartificial: Umabreveabordagem sobre seuconceitorealeoconhecimentopopular. CadernosdeGraduação-CiênciasExatas e Tecnológicas, v.5,n.1,p.11–16,Outubro2018. Departamento NacionaldeInfraestruturadeTransportes. DNIT -HidroviadoAmazonas. 2018. <https://www.gov.br/dnit/pt-br/assuntos/aquaviario/old/hidrovia-do-amazonas>. DNIT. Mapa deInstalaçõesPortuáriasdePequenoPorte. 2024.Acessoem:23/03/2024. Disponívelem:<https://www.gov.br/dnit/pt-br/assuntos/aquaviario/atlas-aquaviario/20240328_ Atlas_Aquavirio_Maro_VF.pdf>. FERNEDA,E.Redesneuraisesuaaplicaçãoemsistemasderecuperaçãodeinformação. Ciência daInformação, v.35,082006. Fórum BrasileirodeSegurançaPública(FBSP). Cartografias daviolêncianaAmazônia. Fórum BrasileirodeSegurançaPública,2023.ISBN978-65-89596-33-2.Disponívelem: <https://publicacoes.forumseguranca.org.br/handle/123456789/233>. GASPAR,A.F.d.S.;FARIAS,J.N.L.F.;GUIMARAES,M.R.C.;FONSECA,M.H. d. S.;BATISTA,S.P.M.Ofertaturísticanotransporte fluvial depassageiros:Amostradas embarcações degrandeemédioporteemmanaus,amazonas,brasil. Rosa dosVentos, v.13, n. 2,2021.Disponívelem:<https://www.redalyc.org/articulo.oa?id=473569969005>. GLOBO, O. Redes HidroviáriasdoNarcotráfico naAmazônia. 2020. Acesso em:25/03/2024.Disponívelem:<https://oglobo.globo.com/politica/ novas-cidades-entram-na-rota-do-narcotrafico-na-amazonia-1-24786333>. GOODFELLOW,I.;BENGIO,Y.;COURVILLE,A. Deep Learning. [S.l.]:MITpress Cambridge, 2016. GUO, Y.;WANG,S.;HE,H.;SUN,L.;MA,S.Researchonboatidentification based on improvedlossfunctionofdeepconvolutionalneuralnetworks.In:IEEE. 2019 WRC Symposium onAdvancedRoboticsandAutomation(WRCSARA). [S.l.],2019.p.278–283. HAYKIN,S. Neural Networks:AComprehensiveFoundation. 2nd.ed.Delhi,India:Pearson, 1999. HONG, Y.;CHANG,T.Acomprehensivereviewoftolerancingresearch. International JournalofProductionResearch, v.40,p.2425–2459,2002. IBAMA. Impactos ambientaisdotransporte fluvial naAmazônia. [S.l.],2018. KITANO,H.Biologicalrobustness. NatureReviewsGenetics, v.5,p.826–837,2008. KOAY,H.;CHUAH,J.;CHOW,C.-O.;CHANG,Y.-L.;YONG,K.Yolo-rtuav:Towards real-time vehicledetectionthroughaerialimageswithlow-costedgedevices. Remote Sensing, Multidisciplinary DigitalPublishingInstitute,v.13,n.21,p.4196,2021.Disponívelem: <https://doi.org/10.3390/rs13214196>. KOPILER,A.A.;SILVA,V.N.A.S.;OLIVEIRA,L.A.A. et al. Redes neuraisartificiais esuas aplicações nosetorelétrico. RevistadeEngenhariadaFaculdadeSalesiana, n.9,p.27–33, 2019. LEE, J.;YOO,S.;KIM,S. Design andImplementationofEmbeddedReal-TimeSystems. [S.l.]: Springer,2016. LIMA, T. NVIDIA apresentaaJetsonNanoDeveloperKit. 2019.Imagemextraídadapágina web.Disponívelem:<https://embarcados.com.br/nvidia-jetson-nano-developer-kit/>. MALINOWSKI,A.;YU,H.Comparisonofembeddedsystemdesignforindustrialapplications. IEEE TransactionsonIndustrialInformatics, v.7,n.2,p.244–254,2011. MARTINS,D.G.d.M.;OLIVEIRA,V.I.D.;JUNGER,A.P.;FACó,J.F.B.Oconceitode inteligÊncia artificial usadonomercadodesoftwares,naeducaÇÃotecnolÓgicaenaliteratura cientÍfica. Educação Profissional eTecnológicaemRevista, v.4,n.2,p.98–109,ago.2020. Disponívelem:<https://ojs.ifes.edu.br/index.php/ept/article/view/557>. MÜLLER, A.C.;GUIDO,S. IntroductiontoMachineLearningwithPython:AGuidefor Data Scientists. [S.l.]:O’ReillyMedia,2016. NETWORKS,O.N. Ligações emumaRedeNeural. 2018.Acessoem:02/04/2024.Disponível em: <https://www.opennn.net/>. NVIDIA. Página deDesenvolvimentodeProdutodoJetsonNano. 2024.<https://www.nvidia. com/pt-br/autonomous-machines/embedded-systems/jetson-nano/product-development/>. O’SHEA, K.;NASH,R.Anintroductiontoconvolutionalneuralnetworks. CoRR, abs/1511.08458, 2015.Disponívelem:<http://arxiv.org/abs/1511.08458>. OSORIO, F.Sistemasinteligentesbaseadosemredesneuraisartificiais aplicadosao processamento deimagens.In: I WorkshopdeInt.Artificial -UNISC. SantaCruzdoSul: [s.n.], 2000.p.1–30. PACHECO,A.G.C.Classificação deespéciesdepeixeutilizandoredesneuraisconvolucional. ArXiv, abs/1905.03642,2019. PAN,S.J.;YANG,Q.Asurveyontransferlearning. IEEE TransactionsonKnowledgeand Data Engineering, v.22,n.10,p.1345–1359,2010. PONT,M.J.;SOTIRIADES,E. Embedded SystemsandWirelessTechnology:Theoryand Practical Applications. [S.l.]:IGIGlobal,2017. PROVOST,F.;FAWCETT,T. Data ScienceforBusiness:WhatYouNeedtoKnowabout Data MiningandData-AnalyticThinking. [S.l.]:O’ReillyMedia,Inc.,2013. REDMON, J.;DIVVALA,S.;GIRSHICK,R.;FARHADI,A.Youonlylookonce:Unified, real-time objectdetection.In: ProceedingsoftheIEEEconferenceoncomputervisionand patternrecognition. [S.l.:s.n.],2016.p.779–788. REDMON, J.;FARHADI,A. YOLO:Real-TimeObjectDetection. 2016.Imagemextraídada página web.Disponívelem:<https://pjreddie.com/darknet/yolo/>. REDMON, J.;FARHADI,A.Yolov3:Anincrementalimprovement. arXiv, 2018. ROSA,R.C.;SILVA,J.F.Análisedafrotadelanchasnaregiãoamazônica:desafios e perspectivas. RevistadeEngenhariaNaval, v.12,n.2,p.78–93,2018. SANTIN, W. Fotografia. 2010.Acessoem:datadeacesso.Disponívelem:<https: //www.flickr.com/photos/wsantin/4778122980>. SILBERSCHATZ,A.;GALVIN,P.B.;GAGNE,G. Operating SystemConcepts. 10.ed.[S.l.]: John WileySons,2018. SILVA,E.D.;MENEZES,E. Metodologia daPesquisaeElaboraçãodeDissertação. [S.l.: s.n.], 2005. SILVA,M.R.d.;MIRANDA,A.F.d.Desafios eperspectivasparaotransportehidroviáriona amazônia. CadernoPrudentinodeGeografia, v.42,n.1,p.47–64,2020. SILVEIRA,D.T.;CORDOVA,F.P.Unidade2-apesquisacientífica. In:GERHARDT,T.E.; SILVEIRA,D.T.(Ed.). Métodos dePesquisa. PortoAlegre:EditoradaUFRGS,2009.p. 31–42. SUTTON,R.S.;BARTO,A.G. ReinforcementLearning:AnIntroduction. [S.l.]:MITPress, 2018. TECH, D. Ligações emumaRedeNeuralConvolucional. 2022.Acessoem:02/04/2024. Disponívelem:<https://didatica.tech/introducao-a-redes-neurais-convolucionais/>. UNESCO. Enhancing CooperationandIntegratedWaterManagement in theAmazonRiverBasin. 2022.<https://www.unesco.org/en/articles/ enhancing-cooperation-and-integrated-water-management-amazon-river-basin>.Acessoem:4 de abrilde2024. VICTOR,F. Raspberry PieArduino:Qualéadiferençaequaléomelhorparaoseu projeto? 2018. Imagemextraídadapáginaweb.Disponívelem:<https://www.tecstudio.com.br/ tecnologia/raspberry-pi-e-arduino-qual-e-a-diferenca-e-qual-e-o-melhor-para-o-seu-projeto/ >. WEISS, M.C.;BERNARDES,R.C.;CONSONI,F.L.Cidadesinteligentes:casose perspectivasparaascidadesbrasileiras. RevistaTecnológicadaFatecAmericana, v.5,n.1, p. 1–13,Setembro2017.Disponívelem:<http://www.fatec.edu.br/revista_ojs/index.php/ RTecFatecAM/article/view/137/115>. WOLF,W. Embedded SystemDesign. [S.l.]:MorganKaufmann,2008. YOSINSKI,J.;CLUNE,J.;BENGIO,Y.;LIPSON,H.Howtransferablearefeaturesindeep neural networks?In: Advancesinneuralinformationprocessingsystems. [S.l.:s.n.],2014.p. 3320–3328.pt_BR
dc.identifier.urihttp://repositorio.ifam.edu.br/jspui/handle/4321/1514-
dc.description.abstractDue toitsuniquegeography,theriversoftheAmazonplayasignificant roleinthedailylife of theregion,includingbeingtheonlyaccessinmoreremotecommunities,andthelackof infrastructure inmuchofthiswaterwaynetworkmakesitconducivetothetransportofillegal goods duetothelackofsupervision. When comparedtourbanareas,itispossibletonoticethepotentialforpositiveassistanceto local authoritiesthroughtheuseofrecognitiontechnologies,butthelackofcommunication structures hinderstheimplementationofthesetechnologiesinthesamewayitisdoneincities. This projectproposesthedevelopmentofaneuralnetworkapplicationaimedatassistingin public securityissuesthroughthedetectionofvesselsinportregionslocatedintheStateof Amazonas, combiningArtificial IntelligencetechniquesandEmbeddedSystemsdevices,without the useofnetworkdatatransmission.Themethodologyconsistsof:(a)Acquisitionofvessel images atMarinadoDaviandtheportofManausModerna-StateofAmazonas;(b)Preparation of thedatasetintheexpectedformatforthemodel;(c)Installation,configuration, anduseofthe Jetson NanoBoardintrainingtheNeuralNetwork;(d)UseofTransferLearning,leveraginga pre-trained model(YOLOv4Tiny)formodelgenerationonthenewdataset;(e)Validationofthe obtained results. The resultsshowthatwiththeuseofversionsoptimizedforembeddeddevices,itwaspossible to executetheYOLOv4Tinyalgorithm,performingtheclassification ofvesselsandcontributing with newvesselimages,whichprovidegreaterregionalitytothepresenteddata.pt_BR
dc.description.resumoDevidoasuageografia singular,osriosdaAmazôniaapresentamumpapelrelevantenocotidiano da região,inclusivesendooúnicoacessoemcomunidadesmaisremotas,eafaltadeinfraestrutura em grandepartedestamalhahidroviáriatornapropíciaotransportedemercadoriasilegaisdevido a faltade fiscalização. Ao compararcomáreasurbanas,épossívelnotarapossibilidadedeumauxíliopositivopara as autoridadeslocaiscomousodetecnologiasdereconhecimento,masafaltadeestruturasde comunicação prejudicaaimplementaçãodessastecnologiasdamesmaformaqueéfeitanas cidades. Este projetopropõeodesenvolvimentodeumaaplicaçãoderedeneuralvoltadaparaauxiliar em questõesdesegurançapública,atravésdadetecçãodeembarcaçõesemregiõesportuárias localizadas noEstadodoAmazonas,combinandoastécnicasdeInteligênciaArtificial eos disposivosdeSistemasEmbarcados,semusodetransmissãodedadosemrede.Ametodologia consiste em:(a)AquisiçãodeimagensdeembarcaçõesnaMarinadoDavienoportodaManaus Moderna -EstadodoAmazonas;(b)Preparaçãodo dataset no formatoesperadopelomodelo; (c) Instalação,configuração eusodaPlacaJetsonNanonotreinamentodaRedeNeural;(d)Uso de TransferLearning, aproveitamentodeummodelopré-treinado(YOLOv4 Tiny) parageração do modelononovoconjuntodedados;(e)Validaçãodosresultadosobtidos. Os resultadosmostramquecomousodeversõesotimizadasparadispositivosembarcados, foi possívelexecutaroalgoritmoYOLOv4 Tiny, realizandoaclassificação dasembarcaçõese contribuindocomnovasimagensdeembarcações,queentregammaiorregionalidadeaosdados apresentados.pt_BR
dc.description.provenanceSubmitted by Darlene Rodrigues (darlene.rodrigues@ifam.edu.br) on 2024-09-23T18:42:05Z No. of bitstreams: 1 USO DEREDESNEURAISPARAIDENTIFICAÇÃODEEMBARCAÇÕES_PEDROSO_2024..pdf: 14857478 bytes, checksum: 5674f93a10eb050cf3e27e69941ef5a8 (MD5)en
dc.description.provenanceMade available in DSpace on 2024-09-23T18:42:05Z (GMT). No. of bitstreams: 1 USO DEREDESNEURAISPARAIDENTIFICAÇÃODEEMBARCAÇÕES_PEDROSO_2024..pdf: 14857478 bytes, checksum: 5674f93a10eb050cf3e27e69941ef5a8 (MD5) Previous issue date: 2024-09-23en
dc.languageporpt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Manaus Distritopt_BR
dc.publisher.initialsInstituto Federal do Amazonaspt_BR
dc.publisher.initialsIFAMpt_BR
dc.publisher.initialsEngenharia de Controle e Automaçãopt_BR
dc.publisher.initialsInstituto Federal do Amazonaspt_BR
dc.publisher.initialsIFAMpt_BR
dc.publisher.initialsEngenharia de Controle e Automaçãopt_BR
dc.publisher.initialsInstituto Federal do Amazonaspt_BR
dc.publisher.initialsIFAMpt_BR
dc.publisher.initialsEngenharia de Controle e Automaçãopt_BR
dc.relation.referencesACADEMY,I.E. Referência dospontosindicadospelaanotaçãoYOLO. 2024.Acesso em: 23/02/2024.Disponívelem:<https://iaexpert.academy/cursos-online-assinatura/ deteccao-de-objetos-com-yolo-darknet-opencv-e-python/>. Agência NacionaldeTransportesAquaviários(ANTAQ). Relatório executivodapesquisa de satisfaçãodosusuáriosdoserviçodetransportelongitudinaldepassageiros e mistonanavegaçãointeriordaregiãoamazônica. Brasília,2015.Disponível em: <http://www.antaq.gov.br/Portal/pdf/20150623_BRASIL.RelatorioExecutivo_ PesquisaSatisfacaoNavegacaoInteiror.pdf>. Agência NacionaldeTransportesAquaviários(ANTAQ). Caracterização daOfertaeda Demanda doTransporteFluvialdePassageiroseCargasnaRegiãoAmazônica. [S.l.],2018. 96 p. ARIMA, E.Y.;RICHARDS,P.;WALKER,R.T.;CALDAS,M.M.Urbanizationpatternsinthe brazilian amazon:alandscape-levelanalysisofspatialpatternsanddrivers. Urban Ecosystems, Springer,v.17,n.3,p.643–659,2014. BARBOSA,L.F.;OLIVEIRA,R.A.;COSTA,G.A.Oturismodecruzeiros fluviais na amazônia:análisepreliminar.In: Anais doCongressoBrasileirodePesquisae DesenvolvimentoemTurismo. [S.l.:s.n.],2017.v.10. BENINI, L.;BOGLIOLO,A.Asurveyofdesigntechniquesforsystem-leveldynamicpower management. IEEE TransactionsonVeryLargeScaleIntegration(VLSI)Systems, v.8,n.3, p. 299–316,2000. BISHOP,C.M. PatternRecognitionandMachineLearning. [S.l.]:Springer,2006. BOCHKOVSKIY,A.;WANG,C.-Y.;LIAO,H.-Y.M.Yolov4:Optimalspeedandaccuracyof object detection. arXivpreprintarXiv:2004.10934, 2020. CARMINATI,L.Generalizabilityinqualitativeresearch:Ataleoftwotraditions. Qualitative Health Research, v.28,p.2094–2101,2018. CARVALHO,A.A.d.;SOUZA,E.R.Otransporte fluvial naamazônialegal:umaanálisea partir dasviagensintermunicipaisrealizadasporbarcosdepassageiros. RevistadeEconomiae Sociologia Rural, v.57,n.1,p.25–42,2019. CARVALHO,C. Imagem deestudosobreusodemadeirasamazô- nicas naconstruçãodebarcos. 2014.<https://www.fapeam.am.gov.br/ estudo-analisa-uso-de-madeiras-amazonicas-para-a-construcao-de-barcos/>.Acesso em: 22/03/2024. Centro RegionaldeEstudosparaoDesenvolvimentodaSociedadedaInformação. TIC Domícilios 2022. 2022.<https://cetic.br/media/analises/tic_domicilios_2022_coletiva_imprensa. pdf>. CHAUHAN,M.S.;SINGH,A.;KHEMKA,M.;PRATEEK,A.;SEN,R.Embedded cnn basedvehicleclassification andcountinginnon-lanedroadtraffic. In: Tenth InternationalConferenceonInformationandCommunicationTechnologiesand 51 Development(ICTD’19). Ahmedabad,India:ACM,2019.p.11.Disponívelem: <https://doi.org/10.1145/3287098.3287118>. CHOLLET,F. Deep LearningwithPython. [S.l.]:ManningPublications,2018. COSTA,E.S.;SOUZA,L.M.Perspectivasdedesenvolvimentodoturismo fluvial naamazônia: o papeldaslanchascomomeiodetransporte. TurismoemAnálise, v.31,n.2,p.245–260, 2020. CUNHA, E.F.d.O.;JR.,A.S.I.Odesafio naregulaçãodotransportehidroviáriointermunicipal no amazonas/thechallengeinregulatingintermunicipalwatertransportinamazonas. Brazilian JournalofDevelopment, v.6,n.3,p.15736–15752,Mar.2020.Disponívelem: <https://ojs.brazilianjournals.com.br/ojs/index.php/BRJD/article/view/8197>. CUNNINGHAM, P.;CORD,M.;DELANY,S.J.Supervisedlearning.In: . Machine LearningTechniquesforMultimedia:CaseStudiesonOrganizationandRetrieval. Berlin, Heidelberg:SpringerBerlinHeidelberg,2008.p.21–49.ISBN978-3-540-75171-7.Disponível em: <https://doi.org/10.1007/978-3-540-75171-7_2>. DAMACENO,S.S.;VASCONCELOS,R.O.Inteligênciaartificial: Umabreveabordagem sobre seuconceitorealeoconhecimentopopular. CadernosdeGraduação-CiênciasExatas e Tecnológicas, v.5,n.1,p.11–16,Outubro2018. Departamento NacionaldeInfraestruturadeTransportes. DNIT -HidroviadoAmazonas. 2018. <https://www.gov.br/dnit/pt-br/assuntos/aquaviario/old/hidrovia-do-amazonas>. DNIT. Mapa deInstalaçõesPortuáriasdePequenoPorte. 2024.Acessoem:23/03/2024. Disponívelem:<https://www.gov.br/dnit/pt-br/assuntos/aquaviario/atlas-aquaviario/20240328_ Atlas_Aquavirio_Maro_VF.pdf>. FERNEDA,E.Redesneuraisesuaaplicaçãoemsistemasderecuperaçãodeinformação. Ciência daInformação, v.35,082006. Fórum BrasileirodeSegurançaPública(FBSP). Cartografias daviolêncianaAmazônia. Fórum BrasileirodeSegurançaPública,2023.ISBN978-65-89596-33-2.Disponívelem: <https://publicacoes.forumseguranca.org.br/handle/123456789/233>. GASPAR,A.F.d.S.;FARIAS,J.N.L.F.;GUIMARAES,M.R.C.;FONSECA,M.H. d. S.;BATISTA,S.P.M.Ofertaturísticanotransporte fluvial depassageiros:Amostradas embarcações degrandeemédioporteemmanaus,amazonas,brasil. Rosa dosVentos, v.13, n. 2,2021.Disponívelem:<https://www.redalyc.org/articulo.oa?id=473569969005>. GLOBO, O. Redes HidroviáriasdoNarcotráfico naAmazônia. 2020. Acesso em:25/03/2024.Disponívelem:<https://oglobo.globo.com/politica/ novas-cidades-entram-na-rota-do-narcotrafico-na-amazonia-1-24786333>. GOODFELLOW,I.;BENGIO,Y.;COURVILLE,A. Deep Learning. [S.l.]:MITpress Cambridge, 2016. GUO, Y.;WANG,S.;HE,H.;SUN,L.;MA,S.Researchonboatidentification based on improvedlossfunctionofdeepconvolutionalneuralnetworks.In:IEEE. 2019 WRC Symposium onAdvancedRoboticsandAutomation(WRCSARA). [S.l.],2019.p.278–283. 52 HAYKIN,S. Neural Networks:AComprehensiveFoundation. 2nd.ed.Delhi,India:Pearson, 1999. HONG, Y.;CHANG,T.Acomprehensivereviewoftolerancingresearch. International JournalofProductionResearch, v.40,p.2425–2459,2002. IBAMA. Impactos ambientaisdotransporte fluvial naAmazônia. [S.l.],2018. KITANO,H.Biologicalrobustness. NatureReviewsGenetics, v.5,p.826–837,2008. KOAY,H.;CHUAH,J.;CHOW,C.-O.;CHANG,Y.-L.;YONG,K.Yolo-rtuav:Towards real-time vehicledetectionthroughaerialimageswithlow-costedgedevices. Remote Sensing, Multidisciplinary DigitalPublishingInstitute,v.13,n.21,p.4196,2021.Disponívelem: <https://doi.org/10.3390/rs13214196>. KOPILER,A.A.;SILVA,V.N.A.S.;OLIVEIRA,L.A.A. et al. Redes neuraisartificiais esuas aplicações nosetorelétrico. RevistadeEngenhariadaFaculdadeSalesiana, n.9,p.27–33, 2019. LEE, J.;YOO,S.;KIM,S. Design andImplementationofEmbeddedReal-TimeSystems. [S.l.]: Springer,2016. LIMA, T. NVIDIA apresentaaJetsonNanoDeveloperKit. 2019.Imagemextraídadapágina web.Disponívelem:<https://embarcados.com.br/nvidia-jetson-nano-developer-kit/>. MALINOWSKI,A.;YU,H.Comparisonofembeddedsystemdesignforindustrialapplications. IEEE TransactionsonIndustrialInformatics, v.7,n.2,p.244–254,2011. MARTINS,D.G.d.M.;OLIVEIRA,V.I.D.;JUNGER,A.P.;FACó,J.F.B.Oconceitode inteligÊncia artificial usadonomercadodesoftwares,naeducaÇÃotecnolÓgicaenaliteratura cientÍfica. Educação Profissional eTecnológicaemRevista, v.4,n.2,p.98–109,ago.2020. Disponívelem:<https://ojs.ifes.edu.br/index.php/ept/article/view/557>. MÜLLER, A.C.;GUIDO,S. IntroductiontoMachineLearningwithPython:AGuidefor Data Scientists. [S.l.]:O’ReillyMedia,2016. NETWORKS,O.N. Ligações emumaRedeNeural. 2018.Acessoem:02/04/2024.Disponível em: <https://www.opennn.net/>. NVIDIA. Página deDesenvolvimentodeProdutodoJetsonNano. 2024.<https://www.nvidia. com/pt-br/autonomous-machines/embedded-systems/jetson-nano/product-development/>. O’SHEA, K.;NASH,R.Anintroductiontoconvolutionalneuralnetworks. CoRR, abs/1511.08458, 2015.Disponívelem:<http://arxiv.org/abs/1511.08458>. OSORIO, F.Sistemasinteligentesbaseadosemredesneuraisartificiais aplicadosao processamento deimagens.In: I WorkshopdeInt.Artificial -UNISC. SantaCruzdoSul: [s.n.], 2000.p.1–30. PACHECO,A.G.C.Classificação deespéciesdepeixeutilizandoredesneuraisconvolucional. ArXiv, abs/1905.03642,2019. PAN,S.J.;YANG,Q.Asurveyontransferlearning. IEEE TransactionsonKnowledgeand Data Engineering, v.22,n.10,p.1345–1359,2010. 53 PONT,M.J.;SOTIRIADES,E. Embedded SystemsandWirelessTechnology:Theoryand Practical Applications. [S.l.]:IGIGlobal,2017. PROVOST,F.;FAWCETT,T. Data ScienceforBusiness:WhatYouNeedtoKnowabout Data MiningandData-AnalyticThinking. [S.l.]:O’ReillyMedia,Inc.,2013. REDMON, J.;DIVVALA,S.;GIRSHICK,R.;FARHADI,A.Youonlylookonce:Unified, real-time objectdetection.In: ProceedingsoftheIEEEconferenceoncomputervisionand patternrecognition. [S.l.:s.n.],2016.p.779–788. REDMON, J.;FARHADI,A. YOLO:Real-TimeObjectDetection. 2016.Imagemextraídada página web.Disponívelem:<https://pjreddie.com/darknet/yolo/>. REDMON, J.;FARHADI,A.Yolov3:Anincrementalimprovement. arXiv, 2018. ROSA,R.C.;SILVA,J.F.Análisedafrotadelanchasnaregiãoamazônica:desafios e perspectivas. RevistadeEngenhariaNaval, v.12,n.2,p.78–93,2018. SANTIN, W. Fotografia. 2010.Acessoem:datadeacesso.Disponívelem:<https: //www.flickr.com/photos/wsantin/4778122980>. SILBERSCHATZ,A.;GALVIN,P.B.;GAGNE,G. Operating SystemConcepts. 10.ed.[S.l.]: John WileySons,2018. SILVA,E.D.;MENEZES,E. Metodologia daPesquisaeElaboraçãodeDissertação. [S.l.: s.n.], 2005. SILVA,M.R.d.;MIRANDA,A.F.d.Desafios eperspectivasparaotransportehidroviáriona amazônia. CadernoPrudentinodeGeografia, v.42,n.1,p.47–64,2020. SILVEIRA,D.T.;CORDOVA,F.P.Unidade2-apesquisacientífica. In:GERHARDT,T.E.; SILVEIRA,D.T.(Ed.). Métodos dePesquisa. PortoAlegre:EditoradaUFRGS,2009.p. 31–42. SUTTON,R.S.;BARTO,A.G. ReinforcementLearning:AnIntroduction. [S.l.]:MITPress, 2018. TECH, D. Ligações emumaRedeNeuralConvolucional. 2022.Acessoem:02/04/2024. Disponívelem:<https://didatica.tech/introducao-a-redes-neurais-convolucionais/>. UNESCO. Enhancing CooperationandIntegratedWaterManagement in theAmazonRiverBasin. 2022.<https://www.unesco.org/en/articles/ enhancing-cooperation-and-integrated-water-management-amazon-river-basin>.Acessoem:4 de abrilde2024. VICTOR,F. Raspberry PieArduino:Qualéadiferençaequaléomelhorparaoseu projeto? 2018. Imagemextraídadapáginaweb.Disponívelem:<https://www.tecstudio.com.br/ tecnologia/raspberry-pi-e-arduino-qual-e-a-diferenca-e-qual-e-o-melhor-para-o-seu-projeto/ >. WEISS, M.C.;BERNARDES,R.C.;CONSONI,F.L.Cidadesinteligentes:casose perspectivasparaascidadesbrasileiras. RevistaTecnológicadaFatecAmericana, v.5,n.1, p. 1–13,Setembro2017.Disponívelem:<http://www.fatec.edu.br/revista_ojs/index.php/ RTecFatecAM/article/view/137/115>. 54 WOLF,W. Embedded SystemDesign. [S.l.]:MorganKaufmann,2008. YOSINSKI,J.;CLUNE,J.;BENGIO,Y.;LIPSON,H.Howtransferablearefeaturesindeep neural networks?In: Advancesinneuralinformationprocessingsystems. [S.l.:s.n.],2014.p. 3320–3328.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectRedes neuraispt_BR
dc.subjectSistemas embarcadospt_BR
dc.subjectHidrovias Amazônicaspt_BR
dc.subjectEmbarcaçõespt_BR
dc.subjectSegurança Públicapt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOSpt_BR
dc.titleUso de redes neurais para identificação de embarcaçõespt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
Aparece nas coleções:Monografia_Cont_Automação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
USO DEREDESNEURAISPARAIDENTIFICAÇÃODEEMBARCAÇÕES_PEDROSO_2024..pdfMonografia - Controle e Automação14,51 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.