Obejtivo é descrever situações em tempo real para que deficientes visuais possam se localizar com facilidade
Com a finalidade de facilitar o cotidiano e gerar autonomia de locomoção e localização para deficientes visuais, a Universidade Federal de Goiás (UFG) desenvolveu o Deep Vision - Olho Eletrônico que descreve ambientes para pessoas cegas. O aplicativo funciona a partir dos comandos de voz "veja" ou "o que tem aqui?", que acionam a câmera do dispositivo, fotografando uma situação e, em seguida, detalha especificadamente por meio de um áudio o ambiente em que o usuário se encontra.
Segundo o pesquisador, Anderson Soares, o aplicativo terá duas funcionalidades específicas, sendo a primeira a descrição de ambientes e a segunda um direcionamento sensorial de trânsito, no qual a câmera captará objetos em movimento e obstáculos, o que gera um efeito sonoro no fone de ouvido. "A ideia é que o app colabore com os mecanismos de acessibilidade já existentes, permitindo que o usuário se localize com total autonomia, sem precisar de outro indivíduo", afirma.
O aplicativo estará disponível para download até o final deste ano e o seu funcionamento dependerá da conexão com a internet. Já em 2019, pensando na realidade brasileira, o objetivo é a criação de um óculos eletrônico com as mesmas funcionalidades, mas que não faça uso de banda larga. O projeto conta com um site para que qualquer pessoa possa fazer um teste e entender como o software funciona. Segue link abaixo:
http://deeplearning.inf.ufg.br/index.php/deepvision
Redes Neurais
"A aprendizagem profunda, conhecida como Deep Learning, é uma das vertentes mais prevalentes do mundo computacional, pois promove o entendimento de imagens", explica o pesquisador Ótávio Calaça. Segundo ele, a partir dessa funcionalidade, o aplicativo utiliza quatro redes neurais com aproximadamente 400 milhões de parâmetros que fazem o reconhecimento das imagens. A primeira rede é responsável pelo reconhecimento da voz do usuário, acionando a câmera para a captura da foto eletrônica.
"Em seguida , a segunda rede capturará os detalhes da imagem que foi tirada pela câmera, acionando a terceira rede que irá vincular os detalhes capturados em uma espécie de texto", afirma Calaça. O pesquisador aponta que, por fim, a última rede neural será acionada para um processamento de voz, gerando um áudio tanto em inglês quanto em português, para descrever a situação em que o usuário se encontra.