Uma abordagem baseada em meta-aprendizado para recomendar algoritmos de segmentação de imagens

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBarbon Junior, Sylvio [Orientador]-
Autor(es): dc.contributorFelinto, Alan Salvany-
Autor(es): dc.contributorFrança, José Alexandre de-
Autor(es): dc.contributorMelo, Leonimer Flávio de-
Autor(es): dc.creatorCampos, Gabriel Fillipe Centini-
Data de aceite: dc.date.accessioned2025-05-15T13:00:18Z-
Data de disponibilização: dc.date.available2025-05-15T13:00:18Z-
Data de envio: dc.date.issued2024-05-01-
Data de envio: dc.date.issued2024-05-01-
Data de envio: dc.date.issued2025-05-15-
Data de envio: dc.date.issued2025-05-15-
Fonte completa do material: dc.identifierhttps://repositorio.uel.br/handle/123456789/15691-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/978566-
Descrição: dc.descriptionResumo: Existem vários algoritmos de segmentação de imagens, porém, não existe um algoritmo que seja adequado para todos os tipos de aplicações envolvendo imagens Recomendar um algoritmo de segmentação ideal é uma tarefa desafiadora que requer conhecimento sobre o problema e sobre os algoritmos Nos últimos anos, o Meta-Aprendizado, oriundo do Aprendizado de Máquina, emergiu para contribuir na solução do problema de seleção de algoritmos Neste trabalho, Meta-Aprendizado foi utilizado para recomendar algoritmos de segmentação de imagens, baseando-se em meta-conhecimento Experimentos foram realizados em quatro meta-bases (bases de dados de Meta-Aprendizado) diferentes que representam problemas reais, recomendando se três diferentes segmentadores (Otsu, K-means e SVM) são adequados ou não adequados para uma dada imagem Um conjunto de 44 características baseadas em cor, domínio da frequência, histograma, textura, contraste e qualidade de imagem foi extraído das amostras, para realizar a tarefa de recomendação em diferentes cenários de segmentação Os resultados mostraram que, em geral, os meta-modelos construídos com o algoritmo Random Forest obtiveram alta performance em recomendar o algoritmo de segmentação,se comparados com os meta-modelos construídos por outros oito algoritmos-
Descrição: dc.descriptionDissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computação-
Descrição: dc.descriptionAbstract: There are many algorithms for image segmentation, but there is no optimal algorithm for all kind of image applications To recommend an adequate algorithm for image segmentation is a challenging task that requires knowledge about the problem and the algorithmsInthepastyears,Meta-Learning has emerged from the Machine Learning research field to help solving the algorithm selection problem This paper applies Meta-Learning to recommend image segmentation algorithms based on meta-knowledge We performed experiments in four different meta-databases that represent various real problems, recommending when three different segmentation techniques are adequate or not A set of 44 features based on color, frequency domain, histogram, texture, contrast and image quality was extracted from images in order to perform the recommending task in different segmentation scenarios Results show that Random Forest meta-models were able to recommend the segmentation algorithm at the overall scenario with high predictive performance in comparison to other eight algorithms-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Relação: dc.relationMestrado-
Relação: dc.relationCiência da Computação-
Relação: dc.relationCentro de Ciências Exatas-
Relação: dc.relationPrograma de Pós-Graduação em Ciência da Computação-
Palavras-chave: dc.subjectSistemas de reconhecimento de padrões-
Palavras-chave: dc.subjectProcessamento de imagens-
Palavras-chave: dc.subjectVisão por computador-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectAlgoritmos genéticos-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectPattern recognition-
Palavras-chave: dc.subjectGenetic algorithms-
Palavras-chave: dc.subjectImage processing-
Palavras-chave: dc.subjectComputer vision-
Título: dc.titleUma abordagem baseada em meta-aprendizado para recomendar algoritmos de segmentação de imagens-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional da UEL - RIUEL

Não existem arquivos associados a este item.