Name: SISTEMA INTELIGENTE DE RASTREIO DE TORRETA EM TEMPO REAL UTILIZANDO CNNs LIGEIRAS (en Portugués)
Price: 68.25 USD
Availability: InStock
Author: Rudrapati, Ramesh; Rathod, Ajendra Kumar
ISBN: 9786209545498

portada SISTEMA INTELIGENTE DE RASTREIO DE TORRETA EM TEMPO REAL UTILIZANDO CNNs LIGEIRAS (en Portugués)

SISTEMA INTELIGENTE DE RASTREIO DE TORRETA EM TEMPO REAL UTILIZANDO CNNs LIGEIRAS (en Portugués)

Formato

Libro Físico

Editorial

Edicoes Nosso Conhecimento

Autor

Rudrapati, Ramesh; Rathod, Ajendra Kumar

Idioma

Portugués

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.4 cm

ISBN13

9786209545498

SISTEMA INTELIGENTE DE RASTREIO DE TORRETA EM TEMPO REAL UTILIZANDO CNNs LIGEIRAS (en Portugués)

Rudrapati, Ramesh; Rathod, Ajendra Kumar (Autor) · Edicoes Nosso Conhecimento · Tapa Blanda

Libro Nuevo Importado

Envío: 24 a 31 días háb.

$ 113.74$ 68.25

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 68.25

Llega entre el 24 Jul y el 06 Ago a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "SISTEMA INTELIGENTE DE RASTREIO DE TORRETA EM TEMPO REAL UTILIZANDO CNNs LIGEIRAS (en Portugués)"

O presente trabalho explora o design, desenvolvimento e avaliação de um sistema inteligente de rastreio de torreta em tempo real que utiliza modelos de deep learning ligeiros para vigilância de defesa automatizada. Explica como os ambientes de combate modernos exigem sistemas de deteção de ameaças mais rápidos e precisos que possam operar com intervenção humana mínima. O trabalho foca-se na aplicação de técnicas eficientes de visão computacional, particularmente redes neuronais convolucionais baseadas em YOLO, para detetar e rastrear múltiplos alvos, tais como drones, veículos e pessoal em cenas dinâmicas. É dada especial atenção à implementação destes modelos em plataformas edge de baixo consumo, abordando desafios relacionados com latência, limites computacionais e fiabilidade. O livro discute também a criação e o uso de ambientes de simulação sintéticos para treinar e validar modelos quando os dados militares do mundo real são limitados. Através de análise experimental e avaliação de desempenho, demonstra como a otimização de modelos, o aumento de dados e o escalonamento de resolução melhoram a precisão da deteção, mantendo a operação em tempo real. No geral, o trabalho proposto fornece um guia prático e técnico para a construção de sistemas de vigilância baseados em IA.