ESTG - Mestrado em Engenharia Automóvel
Permanent URI for this collection
Browse
Browsing ESTG - Mestrado em Engenharia Automóvel by advisor "Baptista, Alexandra Cristina Ferros dos Santos Nascimento"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
- VERIFICAÇÃO FORMAL DE REDES NEURONAIS PROFUNDAS EM CONTEXTO DE CONDUÇÃO AUTÓNOMAPublication . Gonçalves, Carlos André Macedo; Bento, Luís Manuel Conde; Baptista, Diogo Pedro Ferreira Nascimento; Baptista, Alexandra Cristina Ferros dos Santos NascimentoAo longo deste projeto automóvel, é abordada a verificação formal de redes neuronais profundas (DNN) aplicadas à condução autónoma, com o objetivo de garantir a robustez e segurança desses modelos em situações críticas. A verificação formal é utilizada para avaliar as redes neuronais, visando prevenir falhas que possam resultar em riscos para a segurança, principalmente no contexto de veículos autónomos. Esta abordagem torna-se essencial, considerando o elevado impacto das decisões que as redes neuronais tomam ao classificar diferentes classes de sinais de trânsito, algo crucial para uma navegação segura. Foram desenvolvidos, treinados e testados 3 modelos diferentes de redes neuronais convolucionais (CNN) capazes de classificar mais de 40 categorias diferentes de sinais de trânsito, utilizando a base de dados GTSRB, que contém cerca de 51839 amostras de imagens. A implementação foi realizada visando uma estrutura computacionalmente eficiente e robusta para potencial uso futuro em veículos autónomos. O trabalho também aborda a vulnerabilidade das redes neuronais a ataques adversariais, como o FGSM e o PGD, que podem levar a falhas na classificação de imagens de sinais de trânsito e, consequentemente, comprometer a robustez dos modelos. Para isso, foram aplicados métodos de verificação formal, que fornecem garantias matemáticas sobre a robustez e exatidão dos modelos desenvolvidos, mesmo quando expostos a um determinado conjunto de valores de perturbação. Os resultados obtidos demonstram que, não obstante das dificuldades inerentes ao campo da verificação formal de DNN, é possível testar a robustez dos sistemas de classificação de sinais de trânsito, contribuindo para uma maior segurança no domínio da condução autónoma. Este estudo contribui para o avanço na verificação formal de redes neuronais treinadas para a classificação de sinais de trânsito, destacando a importância de continuar a investigar soluções que garantam a segurança e a fiabilidade em sistemas críticos, como a condução autónoma.