@MASTERSTHESIS{ 2024:1316181135,
 	title = {Técnicas de pré-processamento utilizando YOLOP para detecção de faixas em ambientes de direção autônoma},
 	year = {2024},
 	url = "https://tede.ufam.edu.br/handle/tede/10622",
 	abstract = "O campo da direção autônoma tem atraído crescente interesse por soluções que conciliem alto grau de confiabilidade e capacidade de realizar inferências em tempo real. A diversidade presente no mundo real, como variações de iluminação e condições climáticas, impõe desafios adicionais a tarefas como a detecção de objetos e a segmentação semântica. Este trabalho investiga o impacto da aplicação de técnicas de correção de iluminação no sistema YOLOP, um algoritmo de deep learning de estágio único, voltado para a detecção de faixas em rodovias. As técnicas AWB, SCL-LLE e Wavenet foram avaliadas utilizando imagens das bases de dados VIL-100 e CULane. Os resultados experimentais apontaram que o modelo SCL-LLE apresentou o melhor desempenho, evidenciando que o uso de informações semânticas durante o processo de correção de iluminação contribui positivamente para a detecção de faixas, em conformidade com a abordagem do YOLOP, que também explora essas informações.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Engenharia Elétrica},
 	note = {Faculdade de Tecnologia}
}