Título:	Iboju: uma ferramenta de anotação de imagens para treinamento de detectores.
Autor:	FERREIRA SOBRINHO, P. A. SANTOS, T. T.
Afiliación:	PEDRO ANDRADE FERREIRA SOBRINHO, BOLSISTA CNPQ (PIBIC); THIAGO TEIXEIRA SANTOS, CNPTIA.
Año:	2021
Referencia:	In: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 15., 2021, Campinas. Anais [...]. Campinas: Instituto de Zootecnia, 2021.
Páginas:	p. 1-12.
Descripción:	RESUMO - A automação no contexto da agricultura é significativamente mais complexa do que em contextos urbanos e industriais. Devido à grande variabilidade das estruturas orgânicas, métodos cada vez mais complexos e rebuscados são necessários para um bom reconhecimento de padrões e detecção de imagens, tão necessários para a automação de processos produtivos de atividades ligadas à agropecuária. Contudo, devido à natureza das imagens naturais, existem poucas ferramentas capazes de anotá-las da forma desejada. Neste trabalho, desenvolvemos a Iboju, uma ferramenta de segmentação em imagem natural capaz de anotar, rápida e eficientemente, em imagens capturadas de ambientes naturais ligados à agropecuária, gerando caixas delimitadoras e máscaras do objeto desejado. Para isso, foram usadas técnicas de Deep Learning com redes neurais convolutivas aliadas a algoritmos de segmentação de macropixels. A ideia principal da Iboju é que a Rede Neural gere uma anotação que seria corrigida e aprimorada interativamente pelo usuário através de algoritmos de segmentação. Ao compararmos o uso da Iboju a outras ferramentas de anotação, é notável a maior rapidez e exatidão, sendo possível a criação de bases de dados cada vez maiores que poderão ser usadas para melhorar o desempenho de redes neurais de detecção de imagens. A Iboju alimentaria treinamentos de redes que poderão ser usadas dentro dela. A partir da Iboju, é possível a construção de bases de dados cada vez maiores, que poderão ser usadas para alimentar algoritmos de automação de processos que dependem de detecção, como coleta de frutos e contagem de gado.
NAL Thesaurus:	Neural networks
Palabras clave:	Segmentação Aprendizagem profunda Anotação de imagens Agropecuária Rede neural Aprendizado de máquina Deep learning Segmentation Image annotation
ISBN:	978-65-994972-0-9
Notas:	Ref. 21606. Evento online. CIIC 2021.
Tipo de Material:	Artigo em anais e proceedings
Acceso:	openAccess
Aparece en las colecciones:	Artigo em anais de congresso (CNPTIA)