Métodos de resolução de problemas de quebra-cabeça visual baseados em aprendizado profundo
dc.contributor.advisor | Faria, Fabio [UNIFESP] | |
dc.contributor.advisorLattes | http://lattes.cnpq.br/3828728429230356 | pt_BR |
dc.contributor.author | Taciano, Miguel Silva [UNIFESP] | |
dc.contributor.authorLattes | http://lattes.cnpq.br/3494257311247402 | pt_BR |
dc.coverage.spatial | São José dos Campos, SP | pt_BR |
dc.date.accessioned | 2024-01-18T14:36:25Z | |
dc.date.available | 2024-01-18T14:36:25Z | |
dc.date.issued | 2023-12-12 | |
dc.description.abstract | The traditional Jigsaw Puzzle is a challenging task performed by humans, mainly due to its hardness and being proven to be an NP-Complete problem. Even so, recent efforts show better performance in this task using different methods involving complex computer vision and machine learning techniques. In this sense, this thesis proposes new methods based on the use of semantic segmentation (SS) and deep learning, alone and combined, with the tasked objective to solve jigsaw puzzles (visual puzzles) in different training scenarios, both with a known middle and an unknown middle configuration. To the best of our knowledge, this is the first work in the literature that uses SS for the target application. In the performed experiments, it was possible to demonstrate that our proposed methods successfully obtained excellent results when compared with other methods existing in the literature for 3 × 3 puzzle-solving tasks. | pt_BR |
dc.description.abstract | O problema de resolução de quebra-cabeças é uma tarefa desafiadora realizada por humanos, principalmente devido à sua dificuldade, além de ser comprovada como um problema NP-Completo. Mesmo assim, esforços recentes mostram melhor desempenho nessa tarefa usando diferentes métodos envolvendo técnicas complexas de visão computacional e aprendizado de máquina. Nesse sentido, este trabalho propõe novos métodos em segmentação semântica (SS) e aprendizado profundo visando resolver quebra-cabeças visuais em diferentes cenários de treinamento com peça central conhecida e desconhecida. Até onde sabemos, este é o primeiro trabalho na literatura que usa SS para a aplicação alvo. Nos experimentos realizados, foi possível demonstrar que nossos métodos baseados em SS e aprendizado profundo conseguem excelentes resultados quando comparados com outros métodos existentes na literatura para tarefas de resolução de quebra-cabeças de tamanho 3 × 3, principalmente em tabuleiros com peça central conhecida. | pt_BR |
dc.description.provenance | Submitted by Miguel Taciano (miguel.taciano@unifesp.br) on 2023-12-24T14:25:14Z No. of bitstreams: 1 TCC_MST_V3.pdf: 7962786 bytes, checksum: 3e72bcc97c68f440246ea3d11661e0e8 (MD5) | en |
dc.description.provenance | Rejected by Edna Lucia Pereira (edna.lucia@unifesp.br), reason: Caro aluno, Você deve fazer as seguintes correções em seu trabalho: - Inserção da ficha catalográfica: para gerar a ficha catalográfica, preencha o formulário neste link com os dados de seu trabalho: http://ict.unifesp.br/ficha/ficha_grad.php. Ao finalizar e clicar em "Enviar", será gerado um arquivo .pdf com a ficha, que deve ser inserido após a página de rosto de seu trabalho. - Converter o arquivo de seu TCC para o formato .PDF/A. Caso tenha alguma dúvida sobre a conversão, consulte o tutorial de submissão de TCC's neste link: https://repositorio.unifesp.br/bitstream/handle/11600/60139/NOVO%20Tutorial%20para%20auto-arquivamento%20TCCs%20Gradua%c3%a7%c3%a3o_05092022.pdf?sequence=5&isAllowed=y Após realizar as correções, reenviar a submissão para nova revisão. Qualquer dúvida, entre em contato conosco através do e-mail biblioteca.sjc@unifesp.br Edna Lucia Pereira Bibliotecária Universidade Federal de São Paulo Campus São José dos Campos Tel. (12) 3924-9505 on 2024-01-15T18:23:13Z (GMT) | en |
dc.description.provenance | Submitted by Miguel Taciano (miguel.taciano@unifesp.br) on 2024-01-16T14:31:11Z No. of bitstreams: 1 MST_TCC_FINAL.pdf: 5692295 bytes, checksum: c06e503563f53963dd349bc7cc9e4f45 (MD5) | en |
dc.description.provenance | Approved for entry into archive by Edna Lucia Pereira (edna.lucia@unifesp.br) on 2024-01-18T14:36:25Z (GMT) No. of bitstreams: 1 MST_TCC_FINAL.pdf: 5692295 bytes, checksum: c06e503563f53963dd349bc7cc9e4f45 (MD5) | en |
dc.description.provenance | Made available in DSpace on 2024-01-18T14:36:25Z (GMT). No. of bitstreams: 1 MST_TCC_FINAL.pdf: 5692295 bytes, checksum: c06e503563f53963dd349bc7cc9e4f45 (MD5) Previous issue date: 2023-12-12 | en |
dc.description.sponsorship | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | pt_BR |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | pt_BR |
dc.description.sponsorship | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | pt_BR |
dc.emailadvisor.custom | ffaria@unifesp.br | pt_BR |
dc.format.extent | 85 f. | pt_BR |
dc.identifier.uri | https://repositorio.unifesp.br/handle/11600/70568 | |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de São Paulo | pt_BR |
dc.rights | Acesso aberto | pt_BR |
dc.subject | Segmentação Semântica | pt_BR |
dc.subject | Algoritmo de Caminhos Mínimos | pt_BR |
dc.subject | Aprendizado Profundo | pt_BR |
dc.subject | Algoritmo Guloso | pt_BR |
dc.subject | Quebra-cabeça | pt_BR |
dc.title | Métodos de resolução de problemas de quebra-cabeça visual baseados em aprendizado profundo | pt_BR |
dc.type | Trabalho de conclusão de curso de graduação | pt_BR |
unifesp.campus | Instituto de Ciência e Tecnologia (ICT) | pt_BR |
unifesp.graduacao | Engenharia de Computação | pt_BR |