Estudo de estratégia de aprendizado auto-supervisionado para aprimoramento da consistência temporal em modelo de segmentação semântica baseado em deep learning (2023)
- Authors:
- USP affiliated authors: OSÓRIO, FERNANDO SANTOS - ICMC ; BARBOSA, FELIPE MANFIO - ICMC
- Unidade: ICMC
- DOI: 10.5753/semish.2023.230573
- Subjects: APRENDIZAGEM PROFUNDA; ESTABILIDADE; VISÃO COMPUTACIONAL
- Agências de fomento:
- Language: Português
- Imprenta:
- Publisher: SBC
- Publisher place: Porto Alegre
- Date published: 2023
- Source:
- Conference titles: Congresso da Sociedade Brasileira de Computação - CSBC
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
BARBOSA, Felipe Manfio e OSÓRIO, Fernando Santos. Estudo de estratégia de aprendizado auto-supervisionado para aprimoramento da consistência temporal em modelo de segmentação semântica baseado em deep learning. 2023, Anais.. Porto Alegre: SBC, 2023. Disponível em: https://doi.org/10.5753/semish.2023.230573. Acesso em: 01 abr. 2026. -
APA
Barbosa, F. M., & Osório, F. S. (2023). Estudo de estratégia de aprendizado auto-supervisionado para aprimoramento da consistência temporal em modelo de segmentação semântica baseado em deep learning. In Anais. Porto Alegre: SBC. doi:10.5753/semish.2023.230573 -
NLM
Barbosa FM, Osório FS. Estudo de estratégia de aprendizado auto-supervisionado para aprimoramento da consistência temporal em modelo de segmentação semântica baseado em deep learning [Internet]. Anais. 2023 ;[citado 2026 abr. 01 ] Available from: https://doi.org/10.5753/semish.2023.230573 -
Vancouver
Barbosa FM, Osório FS. Estudo de estratégia de aprendizado auto-supervisionado para aprimoramento da consistência temporal em modelo de segmentação semântica baseado em deep learning [Internet]. Anais. 2023 ;[citado 2026 abr. 01 ] Available from: https://doi.org/10.5753/semish.2023.230573 - In defense of multimodal and temporal data for unsupervised domain adaptation
- Temporal consistency as pretext task in unsupervised domain adaptation for semantic segmentation
- Self-supervised temporal consistency applied to domain adaptation in semantic segmentation of urban scenes
- Um estudo comparativo de métodos de deep learning aplicados à segmentação semântica de obstáculos, zonas seguras e não seguras para navegação a partir de dados RGB-D
- 3D perception for autonomous mobile robots navigation using deep learning for safe zones detection: a comparative study
- CARINA Project: visual perception systems applied for autonomous vehicles and advanced driver assistance systems (ADAS)
- TCDA: Temporally-Consistent Depth-Aware Unsupervised Domain Adaptation for Semantic Segmentation in Urban Scenes
- A hybrid vision system for detecting use of mobile phones while driving
- GPU-Services: real-time processing of 3D point clouds for robotic systems using GPUs
- A nonintrusive system for detecting drunk drivers in modern vehicles
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3182479.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
