English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Resumo—Sinais de trânsito são elementos fundamentais que servem de alerta e orientação à direção autônoma de veı́culos. Nesse sentido, um dos principais problemas de pesquisa abordados na literatura relacionada é o de classificação automática de sinais de trânsito. Uma vez que veı́culos autônomos podem ser utilizados em diferentes paı́ses, onde os sinais de trânsito podem ter diferentes sı́mbolos e significados, é necessário que os classificadores sejam capazes de se adaptar de acordo com o conjunto de sinais de cada paı́s. Dado isso, este trabalho propõe o treinamento de modelos de aprendizado de máquina utilizando datasets públicos de placas de trânsito de diferentes paı́ses, com o objetivo de gerar classificadores suficientemente robustos para utilização nesses diversos paı́ses. Assim sendo, são apresentadas algumas estratégias para treinamento dos modelos de classificação, bem como uma avaliação experimental dessas diferentes estratégias, sendo destacada aquela que levou aos melhores resultados. Palavras-chave: Sinais de Trânsito, Aprendizado Profundo, Classificação, Direção Autônoma, Aprendizado de Máquina.

Classificação de Sinais de Trânsito para Direção Autônoma via Rede Neural Convolucional