Publicação
Desenvolvimento de aplicação em visão computacional para a deteção e classificação de obras
| Resumo: | Neste projeto foi desenvolvido uma aplicação com vista à deteção automática de obras de arte através do recurso a algoritmos de deep learning. Os objetivos desta tese são uma aplicação android capaz de fazer uso de um modelo com fim de classificar um objeto em tempo real através de uma imagem obtida com uma vista da câmera na aplicação android, todo o backend com uma API responsável pela validação dos utilizadores assim como responsável por enviar o conteúdo em relação ao objeto classificado. É também abordado o alojamento desta API em cloud e num servidor próprio local de forma a satisfazer as necessidades de comunicação com a aplicação android. A aplicação desenvolvida é capaz de detetar objetos e devolver informações sobre os mesmos, é capaz de autenticar e registar utilizadores, e não necessita da localização GPS durante todo o seu uso. A aplicação apresenta um tamanho de cerca de 100Mb já com o modelo e necessita de baixa capacidade de processamento por parte do dispositivo para detetar o objeto. |
|---|---|
| Autores principais: | Figueiredo, Paulo Gabriel Boucinha |
| Assunto: | Reconhecimento Android API Deep learning |
| Ano: | 2022 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso restrito |
| Instituição associada: | Instituto Politécnico de Bragança |
| Idioma: | português |
| Origem: | Biblioteca Digital do IPB |
| _version_ | 1867172705956003840 |
|---|---|
| author | Figueiredo, Paulo Gabriel Boucinha |
| author_facet | Figueiredo, Paulo Gabriel Boucinha |
| author_role | author |
| contributor_name_str_mv | Lopes, Rui Pedro Oliveira, Jorge Biblioteca Digital do IPB |
| country_str | PT |
| creators_json_txt | [{\"Person.name\":\"Figueiredo, Paulo Gabriel Boucinha\"}] |
| datacite.contributors.contributor.contributorName.fl_str_mv | Lopes, Rui Pedro Oliveira, Jorge Biblioteca Digital do IPB |
| datacite.creators.creator.creatorName.fl_str_mv | Figueiredo, Paulo Gabriel Boucinha |
| datacite.date.Accepted.fl_str_mv | 2022-01-01T00:00:00Z |
| datacite.date.available.fl_str_mv | 2023-01-10T16:43:09Z |
| datacite.date.embargoed.fl_str_mv | 2023-01-10T16:43:09Z |
| datacite.rights.fl_str_mv | http://purl.org/coar/access_right/c_16ec |
| datacite.subjects.subject.fl_str_mv | Reconhecimento Android API Deep learning |
| datacite.titles.title.fl_str_mv | Desenvolvimento de aplicação em visão computacional para a deteção e classificação de obras |
| dc.contributor.none.fl_str_mv | Lopes, Rui Pedro Oliveira, Jorge Biblioteca Digital do IPB |
| dc.creator.none.fl_str_mv | Figueiredo, Paulo Gabriel Boucinha |
| dc.date.Accepted.fl_str_mv | 2022-01-01T00:00:00Z |
| dc.date.available.fl_str_mv | 2023-01-10T16:43:09Z |
| dc.date.embargoed.fl_str_mv | 2023-01-10T16:43:09Z |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | http://hdl.handle.net/10198/26445 |
| dc.language.none.fl_str_mv | por |
| dc.rights.cclincense.fl_str_mv | http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.none.fl_str_mv | http://purl.org/coar/access_right/c_16ec |
| dc.subject.none.fl_str_mv | Reconhecimento Android API Deep learning |
| dc.title.fl_str_mv | Desenvolvimento de aplicação em visão computacional para a deteção e classificação de obras |
| dc.type.none.fl_str_mv | http://purl.org/coar/resource_type/c_bdcc |
| description | Neste projeto foi desenvolvido uma aplicação com vista à deteção automática de obras de arte através do recurso a algoritmos de deep learning. Os objetivos desta tese são uma aplicação android capaz de fazer uso de um modelo com fim de classificar um objeto em tempo real através de uma imagem obtida com uma vista da câmera na aplicação android, todo o backend com uma API responsável pela validação dos utilizadores assim como responsável por enviar o conteúdo em relação ao objeto classificado. É também abordado o alojamento desta API em cloud e num servidor próprio local de forma a satisfazer as necessidades de comunicação com a aplicação android. A aplicação desenvolvida é capaz de detetar objetos e devolver informações sobre os mesmos, é capaz de autenticar e registar utilizadores, e não necessita da localização GPS durante todo o seu uso. A aplicação apresenta um tamanho de cerca de 100Mb já com o modelo e necessita de baixa capacidade de processamento por parte do dispositivo para detetar o objeto. |
| dirty | 0 |
| eu_rights_str_mv | restrictedAccess |
| format | masterThesis |
| fulltext.url.fl_str_mv | https://bibliotecadigital.ipb.pt/bitstreams/d3f1fe72-bb33-4d6d-89cd-80a3f8825073/download |
| id | ipb_160128ba2da1e2f7a0ba474b8ffc4acd |
| identifier.url.fl_str_mv | http://hdl.handle.net/10198/26445 |
| instacron_str | ipb |
| institution | Instituto Politécnico de Bragança |
| instname_str | Instituto Politécnico de Bragança |
| language | por |
| network_acronym_str | ipb |
| network_name_str | Biblioteca Digital do IPB |
| oai_identifier_str | oai:bibliotecadigital.ipb.pt:10198/26445 |
| organization_str_mv | urn:organizationAcronym:ipb |
| person_str_mv | Figueiredo, Paulo Gabriel Boucinha |
| publishDate | 2022 |
| reponame_str | Biblioteca Digital do IPB |
| repository_id_str | urn:repositoryAcronym:ipb |
| service_str_mv | urn:repositoryAcronym:ipb |
| spelling | porpt_PTNeste projeto foi desenvolvido uma aplicação com vista à deteção automática de obras de arte através do recurso a algoritmos de deep learning. Os objetivos desta tese são uma aplicação android capaz de fazer uso de um modelo com fim de classificar um objeto em tempo real através de uma imagem obtida com uma vista da câmera na aplicação android, todo o backend com uma API responsável pela validação dos utilizadores assim como responsável por enviar o conteúdo em relação ao objeto classificado. É também abordado o alojamento desta API em cloud e num servidor próprio local de forma a satisfazer as necessidades de comunicação com a aplicação android. A aplicação desenvolvida é capaz de detetar objetos e devolver informações sobre os mesmos, é capaz de autenticar e registar utilizadores, e não necessita da localização GPS durante todo o seu uso. A aplicação apresenta um tamanho de cerca de 100Mb já com o modelo e necessita de baixa capacidade de processamento por parte do dispositivo para detetar o objeto.application/pdfpt_PTDesenvolvimento de aplicação em visão computacional para a deteção e classificação de obrasFigueiredo, Paulo Gabriel BoucinhaLopes, Rui PedroOliveira, JorgeHostingInstitutionOrganizationalBiblioteca Digital do IPBe-mailmailto:dspace@ipb.ptdspace@ipb.ptURNurn:tid:2031570012023-01-10T16:43:09Z20222022-01-01T00:00:00ZHandlehttp://hdl.handle.net/10198/26445http://purl.org/coar/access_right/c_16ecrestricted accessReconhecimentoAndroidAPIDeep learning5250474 bytesliteraturehttp://purl.org/coar/resource_type/c_bdccmaster thesis2022http://creativecommons.org/licenses/by-nc/4.0/http://purl.org/coar/access_right/c_16ecapplication/pdffulltexthttps://bibliotecadigital.ipb.pt/bitstreams/d3f1fe72-bb33-4d6d-89cd-80a3f8825073/download |
| spellingShingle | Desenvolvimento de aplicação em visão computacional para a deteção e classificação de obras Figueiredo, Paulo Gabriel Boucinha Reconhecimento Android API Deep learning |
| status | SINGLETON |
| subject.fl_str_mv | Reconhecimento Android API Deep learning |
| title | Desenvolvimento de aplicação em visão computacional para a deteção e classificação de obras |
| title_full | Desenvolvimento de aplicação em visão computacional para a deteção e classificação de obras |
| title_fullStr | Desenvolvimento de aplicação em visão computacional para a deteção e classificação de obras |
| title_full_unstemmed | Desenvolvimento de aplicação em visão computacional para a deteção e classificação de obras |
| title_short | Desenvolvimento de aplicação em visão computacional para a deteção e classificação de obras |
| title_sort | Desenvolvimento de aplicação em visão computacional para a deteção e classificação de obras |
| topic | Reconhecimento Android API Deep learning |
| topic_facet | Reconhecimento Android API Deep learning |
| url | http://hdl.handle.net/10198/26445 |
| visible | 1 |