Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Hoffmann, Alessandra Bortoletto Garbelotti | - |
Autor(es): dc.contributor | Paula Filho, Pedro Luiz de | - |
Autor(es): dc.contributor | Hoffmann, Alessandra Bortoletto Garbelotti | - |
Autor(es): dc.contributor | Paula Filho, Pedro Luiz de | - |
Autor(es): dc.contributor | Candido Junior, Arnaldo | - |
Autor(es): dc.contributor | Lamb, Juliano Rodrigo | - |
Autor(es): dc.creator | Ghellere, Jhonattan Salvador | - |
Data de aceite: dc.date.accessioned | 2022-02-21T21:26:03Z | - |
Data de disponibilização: dc.date.available | 2022-02-21T21:26:03Z | - |
Data de envio: dc.date.issued | 2020-11-15 | - |
Data de envio: dc.date.issued | 2020-11-15 | - |
Data de envio: dc.date.issued | 2015-06-12 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/12518 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/652543 | - |
Descrição: dc.description | The detection of objects in images remains one of the biggest challenges in computer vision area because the objects that are contained in images may be under the most varied perspectives and changes of scale and rotation, which makes more complex the goal to detect them. This task has applications in many different contexts, ranging from medical diagnosis and the business area until regards to public safety. In order to seek a solution to the problem of detection of generic objects, a module that is based on the detection via classification was developed. The implemented module uses local descriptors to compute the features invariant to transformations of images, the bag-of-Keypoints model based by concepts of area information retrieval, to perform the pro-cessing of data extracted from the images to be compatible as entrance to the evalu-ated inductors. Were evaluated, combinations of two local descriptors (SIFT and SURF) with five supervised learning approaches, the algorithms: Multilayer Percep-tron, FURIA, Random Forest, Support Vector Machines and the k-nearest neigbor. From the module construction and analysis of experimental results and real scenarios, it was found that the models generated by the built module have high accuracy rates in experimental settings and promising results in real scenario. | - |
Descrição: dc.description | A detecção de objetos em imagens permanece como um dos maiores desafios dentro da área de visão computacional, pois os objetos que estão contidos em imagens po-dem estar sob as mais variadas perspectivas e transformações de escala e rotação, o que torna mais complexa a meta de detectá-los. Esta tarefa possui aplicações nos mais diversos contextos, que vão desde o diagnóstico médico e área empresarial até ao que concerne à segurança pública. Com o objetivo de buscar uma solução para o problema de detecção de objetos genéricos, foi desenvolvido um módulo que se ba-seia na detecção via classificação. O módulo implementado, utiliza descritores locais para computar as características invariantes a transformações das imagens, o modelo Bag-of-Keypoints que se baseia em conceitos da área de recuperação de informação, para realizar a transformação dos dados extraídos das imagens, para serem compa-tíveis como entrada para aos indutores avaliados. Foram avaliadas as combinações de dois descritores locais (SIFT e SURF) com cinco abordagens de aprendizado su-pervisionado, sendo os algoritmos: Multilayer Perceptron, FURIA, Random Forest, Su-pport Vector Machines e o k-nearest neigbor. A partir da construção do módulo e das análises dos resultados dos cenários experimentais e reais, verificou-se que os mo-delos gerados pelo módulo construído possuem altas taxas de acurácia nos cenários experimentais e resultados promissores no cenário real. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Medianeira | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Ciência da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Redes sociais on-line | - |
Palavras-chave: dc.subject | Processamento de imagens - Técnicas digitais | - |
Palavras-chave: dc.subject | Banco de dados | - |
Palavras-chave: dc.subject | Online social networks | - |
Palavras-chave: dc.subject | Image processing - Digital techniques | - |
Palavras-chave: dc.subject | Data bases | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Detecção de objetos em imagens por meio da combinação de descritores locais e classificadores | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: