A aplicação do cálculo diferencial e integral em visão computacional: detecção de objetos em imagens
Palavras-chave:
Visão Computacional, Cálculo Diferencial e Integral, MobileNet SSD, Detecção de Objetos, Inteligência ArtificialResumo
Este artigo explora aplicações do cálculo diferencial e integral na visão computacional, focando na detecção de objetos em imagens. Utilizando a arquitetura MobileNet SSD, o trabalho demonstra como conceitos de cálculo, como derivadas, integrais e otimização, são fundamentais para o desenvolvimento e aplicação de algoritmos de detecção de imagens. A metodologia, classificada como pesquisa aplicada com abordagem de pesquisa-ação, envolveu revisão bibliográfica, seleção do modelo, implementação computacional do código e análise dos resultados. Os experimentos demonstraram a eficiência da MobileNet SSD na detecção de objetos em imagens, com um tempo de processamento comparável ao tempo de reação humano. Conclui-se que a compreensão do cálculo subjacente é crucial para o desenvolvimento de soluções inovadoras e eficientes em visão computacional.
Downloads
Referências
CARVALHO, G.; OLIVEIRA, J. de; SILVA, E. da; NETTO, S.; FREITAS, G.; MOTTA-RIBEIRO, G.; COS-TA, R. Um sistema de monitoramento para detecção de objetos em tempo real empregando câmera em mo-vimento. In: SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES, 31., 2013, Fortaleza. Anais [...]. Fortaleza: Sociedade Brasileira de Telecomunicações, 2013.
DANIEL, D.; DALBIANCO, A. Tecnologia de pulverização com drones: panorama, oportunidades, pers-pectivas futuras e desafios na agricultura moderna. Revista Plantio Direto, v. 2023, n. 193, p. 69–77, 2023.
FENG, X.; JIANG, Y.; YANG, X.; DU, M.; LI, X. Computer vision algorithms and hardware implementa-tions: A survey. Integration, v. 69, p. 309–320, 2019. ISSN 0167-9260.
GONZALEZ, R.; WOODS, R. Digital Image Processing (3rd Edition). USA: Prentice-Hall, Inc., 2006. ISBN 013168728X.
HOWARD, A.; ZHU, M.; CHEN, B.; KALENICHENKO, D. MobileNets: Efficient convolutional neural networks for mobile vision applications. arXiv preprint arXiv:1704.04861, 2017.
KATZMAN, J. L. et al. Deepsurv: personalized treatment recommender system using a cox proportional hazards deep neural network. BMC Medical Research Methodology, v. 18, n. 1, p. 24, 2018. ISSN 1471-2288.
LI, Y.; HUANG, H.; XIE, Q.; YAO, L.; CHEN, Q. Research on a surface defect detection algorithm based on mobilenet-ssd. Applied Sciences, v. 8, n. 9, 2018. ISSN 2076-3417.
LILLICRAP, T.; SANTORO, A.; MARRIS, L.; AKERMAN, C.; HINTON, G. Backpropagation and the brain. Nature Reviews Neuroscience, v. 21, 2020. ISSN 1471-0048.
LIU, W.; ANGUELOV, D.; ERHAN, D.; SZEGEDY, C.; REED, S.; FU, C.-Y.; BERG, A. SSD: Single shot MultiBox detector. European Conference on Computer Vision, Springer, Cham, p. 21-37, 2016.
MARTINSONS, M. Benchmarking human resource information systems in Canada and Hong Kong. In-formation & Management, v. 26, n. 6, p. 305-316, 1994.
PRODANOV, C.; FREITAS, E. Metodologia do trabalho científico: métodos e técnicas da pesquisa e do trabalho acadêmico-2ª Edição. [S.l.]: Editora Feevale, 2013.
RICHIT, A.; RICHIT, L.; TEILOR, B. Abordagem de máximos e mínimos em um curso universitário de cál-culo. Bolema, v. 37, n. 77, p. 1036-1062, 2023. Disponível em: https://doi.org/10.1590/1980-4415v37n77a06.
STEWART, J.; KOKOSKA, S. Calculus: Concepts and contexts. Toronto: Cengage Learning, 2010.
SZELISKI, R. Computer vision: algorithms and applications. 2. ed. [S. l.]: Springer Nature, 2022.
TRINDADE, L. Detecção de obstáculos para carros autônomos utilizando aprendizado profundo. 87 p. Trabalho de Conclusão de Curso — Universidade Federal de Santa Catarina, Florianópolis, SC, 2018.
Publicado
Edição
Seção
Categorias
Licença
Copyright (c) 2026 Karolliny Danielle Santos, Brenda Abreu Almeida, Caio Henrique Braga Teixeira, Guilherme Tadeu Almeida Sardinha Marques, Héber Stavrakas Gaipo, Pedro Henrique Pereira
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os direitos autorais dos artigos publicados na Educação Matemática em Revista - RS pertencem ao(s) seu(s) respectivo(s) autor(es), com os direitos de primeira publicação concedidos à revista.
Este trabalho está licenciado sob a Licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0).
Esta licença permite que qualquer pessoa compartilhe (copie e redistribua o material em qualquer meio ou formato) e adapte (remixe, transforme e crie a partir do material) para qualquer fim, mesmo que comercial, desde que o devido crédito pela criação original seja atribuído.
Como Citar
