Semantic Segmentation - CamVid

This project was developed as an assignment for the Deep Learning class at FGV EMAp. The goal was to train semantic segmentation models and visualize their performance.

Segmentação Semântica em Cenas Urbanas (CamVid)

Este repositório contém o código desenvolvido para o "Programming Assignment 1" da disciplina de Deep Learning. O projeto foca na aplicação de redes neurais profundas para a tarefa de segmentação semântica, visando identificar classes de objetos (carros, peões, estrada, etc.) em imagens de vídeo de condução.

Funcionalidades e Metodologia

1. Processamento de Dados:

   • Dataset: CamVid (Cambridge-driving Labeled Video Database).
   • Pré-processamento: Normalização e redimensionamento de inputs e máscaras para $256 \times 256$ pixels.
   • Data Augmentation: Implementação de transformações geométricas (rotação limitada, espelhamento horizontal) utilizando a biblioteca Albumentations para melhorar a generalização do modelo.

2. Modelo de Deep Learning:

   • Arquitetura: DeepLabV3 com backbone ResNet101 (deeplabv3_resnet101).
   • Utilização de pesos pré-treinados para acelerar a convergência (Transfer Learning).

3. Avaliação e Métricas:

   • Cálculo de IoU (Intersection over Union) utilizando MulticlassJaccardIndex.
   • Funções auxiliares para visualização comparativa: Imagem Original vs. Máscara Real (Ground Truth) vs. Máscara Predita.
   • Análise de desempenho detalhada por classe.

• Guilherme Carvalho
• Luiz Felipe

Orientação:

• Professor: Dário Oliveira
• Monitora: Lívia Meinhardt