Solução de Edge Computing embarcada para melhorar a mobilidade de pessoas com deficiência visual

dc.contributor.advisorMiranda, Fábio Roberto de
dc.contributor.authorCaruso, Gabriela Iannini
dc.contributor.authorTelho, Pedro Paulo Mendonça
dc.contributor.authorFontes, Pedro Vero
dc.contributor.authorAlmada, Rafael Alves de Mello
dc.coverage.cidadeSão Paulopt_BR
dc.coverage.paisBrasilpt_BR
dc.creatorCaruso, Gabriela Iannini
dc.creatorTelho, Pedro Paulo Mendonça
dc.creatorFontes, Pedro Vero
dc.creatorAlmada, Rafael Alves de Mello
dc.date.accessioned2022-07-03T04:08:56Z
dc.date.available2022-07-03T04:08:56Z
dc.date.issued2021
dc.description.abstractO projeto tem como objetivo desenvolver um Minimum Viable Product (MVP) de um software para o dispositivo embarcado móvel VMobi. Criado pelo cliente Prof. Dr. Kamal Sarkar e seus alunos da Universidade do Texas: Rio Grande Valley (UTRGV), o produto tem como intuito solucionar o problema de mobilidade de pessoas cegas, ou que possuem alguma deficiência visual severa, através de visão computacional e interface de usuário via áudio. Alguns critérios foram definidos pelo cliente desde o início do desenvolvimento, como: obter reconhecimento de objetos a uma taxa acima de 10 frames por segundo (FPS), custar até 1000 dólares para a produção do protótipo completo, pesar menos que 1,81 kg e permitir incluir novas categorias de objetos a serem reconhecidos (o que neste projeto foi feito com a técnica de transfer learning). O software final foi desenvolvido na linguagem de programação Python em uma Raspberry Pi 4 contando com uma Tensor Processing Unit (TPU) para aceleração do hardware. Além de alcançar as expectativas e os critérios definidos pelo cliente para o protótipo a ser executado de forma wearable, foi implementado um modelo de detecção de textos e disponibilizado ao cliente um jupyter notebook para geração de novos modelos de redes neurais que reconhecem diferentes categorias de objetos através de transfer learning.pt_BR
dc.description.notesProjeto realizado para Universidade do Texas Rio Grande Valley (UTRGV) - Mentor na Empresa: Prof. Dr. Kamal Sarkarpt_BR
dc.description.qualificationlevelGraduaçãopt_BR
dc.format.extent48 p.pt_BR
dc.format.mediumDigitalpt_BR
dc.identifier.urihttps://repositorio.insper.edu.br/handle/11224/3720
dc.language.isoPortuguêspt_BR
dc.rights.licenseTODOS OS DOCUMENTOS DESTA COLEÇÃO PODEM SER ACESSADOS, MANTENDO-SE OS DIREITOS DOS AUTORES PELA CITAÇÃO DA ORIGEMpt_BR
dc.subjectvisão computacionalpt_BR
dc.subjectaprendizado de máquinapt_BR
dc.subjectredes neuraispt_BR
dc.subjectacessibilidadept_BR
dc.titleSolução de Edge Computing embarcada para melhorar a mobilidade de pessoas com deficiência visualpt_BR
dc.typebachelor thesis
dspace.entity.typePublication
local.contributor.boardmemberMontagner, Igor dos Santospt_BR
local.contributor.boardmemberSilva, Lucianopt_BR
local.subject.cnpqEngenhariaspt_BR
local.typeTrabalho de Conclusão de Cursopt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
UTRGV_Relatorio_Final_PFE_2021.pdf
Tamanho:
26.82 MB
Formato:
Adobe Portable Document Format
Descrição:
Relatório Final PFE - UTRGV
Licença do Pacote
Agora exibindo 1 - 1 de 1
N/D
Nome:
license.txt
Tamanho:
282 B
Formato:
Item-specific license agreed upon to submission
Descrição: