Reconhecimento de logotipos usando deep learning e recuperacão de imagem baseada em conteúdo

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorCandido Junior, Arnaldo-
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorCandido Junior, Arnaldo-
Autor(es): dc.contributorMenezes, Paulo Lopes de-
Autor(es): dc.contributorAikes Junior, Jorge-
Autor(es): dc.creatorSimões, Carlos Claudinei-
Data de aceite: dc.date.accessioned2022-02-21T21:24:09Z-
Data de disponibilização: dc.date.available2022-02-21T21:24:09Z-
Data de envio: dc.date.issued2020-11-15-
Data de envio: dc.date.issued2020-11-15-
Data de envio: dc.date.issued2018-06-13-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/12495-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/651831-
Descrição: dc.descriptionWith the growth of the amount of visual data generated daily, there is a need for systems capable of classifying or detecting them in an automated way. This work proposes an alternative method for the implementation of a Content-Based Image Retrieval (CBIR) system, where the process of feature extraction is done through a Convolutional Neural Network (CNN) instead of picking specific descriptors. The process adopted consists of performing the training of a CNN, and then making some changes in the structure of the CNN, removing the final layers, this way it is possible to obtain feature vectors from the images, and then use these features in the CBIR system. It was possible to achieve excellent results using the proposed method, and within the base of images for tests that counted with 20 images, an accuracy of 95 % was obtained when used in a classification task.-
Descrição: dc.descriptionCom a expansão da quantidade de dados visuais gerados diariamente, surge a necessidade de sistemas capazes de realizar a classificação ou detecção dos mesmos de maneira automatizada. Neste trabalho ´e proposto um método alternativo para implementação de um sistema de Recuperação de Imagem Baseado em Conteúdo (CBIR), onde o processo de extração de características se dá por meio de uma Rede Neural Convolucional (CNN) ao invés de se realizar a seleção e utilização de descritores específicos. O processo adotado se resume em realizar o treinamento de uma CNN, e posteriormente fazer algumas alterações na estrutura da mesma, removendo as camadas finais, assim sendo possível obter vetores com características referentes às imagens, essas características obtidas são então utilizadas no CBIR. Foi possível alcançar excelentes resultados utilizando o método proposto, sendo que dentro da base de imagens para testes que contava com 20 imagens, foi obtida uma acurácia de 95% quando utilizado em uma tarefa de classificação.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectProcessamento de imagens - Técnicas digitais-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectImage processing - Digital techniques-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleReconhecimento de logotipos usando deep learning e recuperacão de imagem baseada em conteúdo-
Título: dc.titleLogo recognition with deep learning and content-based image retrieval-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.