Artigo em revista científica Q1
Deep learning-based graffiti detection: A study using Images from the streets of Lisbon
Joana Fogaça (Fogaça, J.); Tomás Brandão (Brandão, T.); Joao C Ferreira or Joao Ferreira (Ferreira, J.);
Título Revista
Applied Sciences
Ano (publicação definitiva)
2023
Língua
Inglês
País
Suíça
Mais Informação
Web of Science®

N.º de citações: 0

(Última verificação: 2024-07-23 14:44)

Ver o registo na Web of Science®

Scopus

N.º de citações: 1

(Última verificação: 2024-07-23 12:25)

Ver o registo na Scopus


: 0.3
Google Scholar

N.º de citações: 1

(Última verificação: 2024-07-23 13:07)

Ver o registo no Google Scholar

Abstract/Resumo
This research work comes from a real problem from Lisbon City Council that was interested in developing a system that automatically detects in real-time illegal graffiti present throughout the city of Lisbon by using cars equipped with cameras. This system would allow a more efficient and faster identification and clean-up of the illegal graffiti constantly being produced, with a georeferenced position. We contribute also a city graffiti database to share among the scientific community. Images were provided and collected from different sources that included illegal graffiti, images with graffiti considered street art, and images without graffiti. A pipeline was then developed that, first, classifies the image with one of the following labels: illegal graffiti, street art, or no graffiti. Then, if it is illegal graffiti, another model was trained to detect the coordinates of graffiti on an image. Pre-processing, data augmentation, and transfer learning techniques were used to train the models. Regarding the classification model, an overall accuracy of 81.4% and F1-scores of 86%, 81%, and 66% were obtained for the classes of street art, illegal graffiti, and image without graffiti, respectively. As for the graffiti detection model, an Intersection over Union (IoU) of 70.3% was obtained for the test set.
Agradecimentos/Acknowledgements
--
Palavras-chave
Graffiti,Street art,Classification,Detection,Computer vision
  • Engenharia Eletrotécnica, Eletrónica e Informática - Engenharia e Tecnologia
  • Artes - Humanidades
Registos de financiamentos
Referência de financiamento Entidade Financiadora
UIDB/04466/2020 Fundação para a Ciência e a Tecnologia
Fish2Fork EEA Grants
UIDP/04466/2020 Fundação para a Ciência e a Tecnologia
Projetos Relacionados

Esta publicação é um output do(s) seguinte(s) projeto(s):

Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.