FLODNet - Detecção e reconhecimento de objetos em dispositivos de baixa especificação: um estudo de caso em classificação de alimentos

  • Bernardo Augusto Godinho de Oliveira
  • Flávia M. F. Ferreira
  • Carlos Augusto Martins

Resumo


A capacidade intrínseca dos humanos de detectar, diferenciar e classificar rapidamente os objetos nos permite tomar decisões rápidas em relação ao que é visto. Aplicações podem se beneficiar de detecção rápida e leve de objetos para imagens ou vídeos. Embora, nosúltimos 5 anos, o setor de tecnologia tenha apresentado dispositivos com recursos de processamento e armazenamento impressionantes, os métodos de detecção e reconhecimento de objetos geralmente requerem alto poder de processamento e/ou grande disponibilidade de armazenamento, tornando difícil para os dispositivos com recursos restritos realizar a detecção e reconhecimento em tempo real sem uma conexão com um servidor. O modelo apresentado neste documento requer apenas 95 megabytes de armazenamento e a execução requer 113 ms em média por imagem em CPU de um laptop, tornando-o adequado para dispositivos que podem ser usados em qualquer lugar.

Publicado
26/07/2018
Como Citar

Selecione um Formato
DE OLIVEIRA, Bernardo Augusto Godinho; FERREIRA, Flávia M. F.; MARTINS, Carlos Augusto. FLODNet - Detecção e reconhecimento de objetos em dispositivos de baixa especificação: um estudo de caso em classificação de alimentos. In: CONCURSO DE TRABALHOS DE INICIAÇÃO CIENTÍFICA DA SBC (CTIC-SBC), 37. , 2018, Natal. Anais do XXXVII Concurso de Trabalhos de Iniciação Científica da SBC. Porto Alegre: Sociedade Brasileira de Computação, july 2018 .