@article{Dalla Rosa_Favretto_Rodrigues_Gharaibeh_2020, title={Avaliação do desempenho de redes neurais convolucionais para detecção automática de trincas em pavimentos}, volume={28}, url={https://www.revistatransportes.org.br/anpet/article/view/2283}, DOI={10.14295/transportes.v28i5.2283}, abstractNote={<p class="Resumoeabstract">Neste artigo é avaliado o potencial de Redes Neurais Convolucionais (RNC) como ferramenta automatizada para detecção de trincas em superfícies de pavimentos. Foram utilizadas fotografias da superfície de diferentes segmentos de um pavimento do tipo <em>Cheapseal</em>, obtidas a partir de câmeras fotográficas montadas em veículos. As imagens foram avaliadas a partir da proposta do uso de duas arquiteturas de redes neurais convolutionais e implementadas com o auxílio da biblioteca de aprendizado de máquina PyTorch, o qual possui código aberto e disponível na forma de <em>script</em> em linguagem Python. As imagens foram processadas com o uso de três técnicas diferentes, com o intuito de avaliar a influência da complexidade dos algoritmos propostos. Para análise da performance da rede neural, foram utilizadas como métricas de avaliação a acurácia, a precisão, o <em>recall </em>e o <em>F1 score</em>. Os resultados apontaram que a arquitetura da rede neural escolhida apresentou desempenho satisfatório na detecção de trincas, bem como indicam que a complexidade da rede é um dos fatores a ser considerado durante o processo de classificação das imagens.</p>}, number={5}, journal={TRANSPORTES}, author={Dalla Rosa, Francisco and Favretto, Laura Dall’Igna and Rodrigues, Vítor Borba and Gharaibeh, Nasir G.}, year={2020}, month={dez.}, pages={267–279} }