As key-components of the urban-drainage system, storm-drains and manholes are essential to the hydrological modeling of urban basins. Accurately mapping of these objects can help to improve the storm-drain systems for the prevention and mitigation of urban floods. Novel Deep Learning (DL) methods have been proposed to aid the mapping of these urban features. The main aim of this paper is to evaluate the state-of-the-art object detection method RetinaNet to identify storm-drain and manhole in urban areas in street-level RGB images. The experimental assessment was performed using 297 mobile mapping images captured in 2019 in the streets in six regions in Campo Grande city, located in Mato Grosso do Sul state, Brazil. Two configurations of training, validation, and test images were considered. ResNet-50 and ResNet-101 were adopted in the experimental assessment as the two distinct feature extractor networks (i.e., backbones) for the RetinaNet method. The results were compared with the Faster R-CNN method. The results showed a higher detection accuracy when using RetinaNet with ResNet-50. In conclusion, the assessed DL method is adequate to detect storm-drain and manhole from mobile mapping RGB images, outperforming the Faster R-CNN method. The labeled dataset used in this study is available for future research.

Antes de iniciar meus agradecimentos para a realização desta pesquisa, devo fazer uma homenagem póstuma ao meu querido e estimado pai que lutou em favor dos meus ideais. Este trabalho é dedicado exclusivamente a ele, por tudo o que ele representa na minha vida. Agradeço profundamente à minha mãe por ser esta fortaleza de sempre, conseguindo lidar com os seus problemas e ainda ajudar os filhos. Além de sua superproteção, ela continua o legado do meu pai e sempre incentiva no caminho por mim traçado. Ademais, aos meus avós, tios e irmãos, por sustentarem o equilíbrio da família e se unirem em momentos difíceis. Cada um contribui com sua parcela inconscientemente atribuída à minha vida e carreira profissional. Quero ressaltar minha gratidão aos amigos que permanecem em minha cidade natal, além daqueles em que resido atualmente. Merece destaque Thais Andrade, Camila Modenese,

Dedico a Deus Aos meus queridos pais, avós e irmãos, os bens mais preciosos da minha vida. Estes são os maiores responsáveis pelo meu crescimento como homem e como profissional, além de me incentivarem em todas as minhas ações, contribuindo para minhas conquistas.. RESUMO MATOS, D. A. Logística Reversa, Balanced Scorecard e os Programas de Reciclagem de Recursos da USP/São Carlos e da UFSCar. 2007. 239 p. Dissertação