Sistema para leitura robusta aplicado à placa de veículos e leitura de placa de combustível

• Processo: 18/21707-9
• Linha de fomento: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Vigência (Início): 01 de novembro de 2018
• Vigência (Término): 30 de junho de 2019
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Roberto de Alencar Lotufo
• Beneficiário: José Ramon Trindade Pires
• Empresa: Neuralmind Inteligência Artificial Ltda
• CNAE: Desenvolvimento e licenciamento de programas de computador customizáveis ; Pesquisas de mercado e de opinião pública
• Vinculado ao auxílio: 18/01188-7 - Sistema para leitura robusta de textos em imagens utilizando deep learning, AP.PIPE
• Assunto(s): Visão computacional Aprendizado computacional Aprendizagem profunda

Resumo

Descrição dos Objetivos: - Estudar a analisar arquiteturas Deep Learning de Leitura Robusta; - Estudar o histórico de avanços tecnológicos dos sistemas de leitura de placas de veículos; - Estudar a analisar arquiteturas Deep Learning apropriadas para leitura de placas de veículos e para leitura de preços de combustíveis; - Desenvolver um Leitor de Preços de Combustíveis utilizando tecnologia de Deep Learning estado da arte; - Desenvolver um Leitor de Placas de Veículos utilizando tecnologia Deep Learning estado da arte. Plano de Trabalho: As atividades do bolsista envolvem a sua participação em todas as etapas do projeto, tais como análise de arquiteturas Deep Learning para Leitura Robusta, adequação da arquitetura para Leitura de Preços de Combustíveis e Leitura de Placas de Veículos, Preparação dos dados, Implementação, Realização dos Experimentos e avaliação final. Metodologia: As redes Deep Learning serão desenvolvidas utilizando a linguagem Python e um ambiente de programação PyTorch para redes neurais profundas. As arquiteturas deep learning utilizadas devem utilizar função de custo end-to-end. Lista das Atividades do Leitor de Placas de Veículos: - Busca de datasets públicos de leitura de placas de veículos; - Análise das principais implementações de leitura robusta e verificar a que melhor se adapta para a leitura de placas de veículos; - Implementação; - Realização de vários experimentos para sintonizar os hyper parâmetros visuando o melhor resultado (acurácia e velocidade de processamento). Lista das Atividades do Leitor de Preços de Combustíveis: - Preparação do dataset de Preços de Combustíveis utilizando fotografias reais; - Simulação de cenas realistas de painéis de preços de combustíveis para preparação dos dados anotados; - Implementação da rede Deep Learning apropriada para a Leitura de Preços de Combustíveis; - Otimização dos hyper parâmetros da rede para aumentar a acurácia e ter desempenho de processamento menor que 1 segundo