Aplicação de redes neurais convolucionais Mask R-CNN para detecção e segmentação de objetos em imagens automotivas

A detecção automática de objetos em imagens representa um dos principais desafios da visão computacional contemporânea, especialmente no contexto automotivo onde a precisão é fundamental para aplicações de segurança. Este trabalho apresenta a implementação e análise da arquitetura Mask R-CNN para detecção e segmentação de veículos em imagens. A metodologia utilizou o modelo pré-treinado maskrcnn_resnet50_fpn do framework PyTorch, aplicado sobre uma imagem de um automóvel clássico Chevrolet. Os resultados demonstraram eficácia na identificação do objeto com nível de confiança de 0.69, evidenciando a capacidade da rede em localizar e segmentar precisamente o veículo na imagem. A análise dos resultados revela que a arquitetura Mask R-CNN mantém robustez adequada para aplicações práticas de detecção automotiva, mesmo utilizando modelos pré-treinados sem fine-tuning específico para o domínio. As contribuições deste estudo incluem a validação da eficácia do modelo em cenários automotivos e a demonstração de implementação usando ferramentas open-source, fornecendo base metodológica para futuras aplicações em sistemas de assistência ao condutor e veículos autônomos.