Uma Abordagem Híbrida para Detecção de Moedas de Real Baseada em Algoritmos de Localização e Redes Neurais Convolucionais

Abstract

A detecção de múltiplas moedas é um problema de Visão Computacional que objetiva encontrar moedas em uma imagem e classificá-las quanto aos seus respectivos valores. Para o Real, a literatura tipicamente considera o uso de técnicas de extração de características seguida de classificadores de Machine Learning, em especial as redes neurais artificiais. Porém, considerando resultados recentes com Deep Learning, houve a motivação de propor uma abordagem híbrida considerando a localização de moedas com técnicas tradicionais de Visão Computacional e classificação com Redes Neurais Convolucionais. Múltiplas arquiteturas foram avaliadas e a solução proposta possui mean average precision superior a 92% com acurácia de classificação maior que 97%, superando outro resultado em 6%.