Imagem da capa

Detecção de objetos em imagens por meio da combinação de descritores locais e classificadores

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...

ver descrição completa

Autor principal: Ghellere, Jhonattan Salvador
Formato: Trabalho de Conclusão de Curso (Graduação)
Idioma: Português
Publicado em: Universidade Tecnológica Federal do Paraná 2020
Assuntos:
Redes sociais on-line
Processamento de imagens - Técnicas digitais
Banco de dados
Online social networks
Image processing - Digital techniques
Data bases
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Acesso em linha: http://repositorio.utfpr.edu.br/jspui/handle/1/12518
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id riut-1-12518
recordtype dspace
spelling riut-1-125182020-11-16T13:09:39Z Detecção de objetos em imagens por meio da combinação de descritores locais e classificadores Ghellere, Jhonattan Salvador Hoffmann, Alessandra Bortoletto Garbelotti Paula Filho, Pedro Luiz de Hoffmann, Alessandra Bortoletto Garbelotti Paula Filho, Pedro Luiz de Candido Junior, Arnaldo Lamb, Juliano Rodrigo Redes sociais on-line Processamento de imagens - Técnicas digitais Banco de dados Online social networks Image processing - Digital techniques Data bases CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO 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. 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. 2020-11-16T13:09:39Z 2020-11-16T13:09:39Z 2015-06-12 bachelorThesis GHELLERE, Jhonattan Salvador. Detecção de objetos em imagens por meio da combinação de descritores locais e classificadores. 2015. 90 f. Trabalho de Conclusão de Curso (Graduação) – Universidade Tecnológica Federal do Paraná, Medianeira, 2015. http://repositorio.utfpr.edu.br/jspui/handle/1/12518 por openAccess application/pdf Universidade Tecnológica Federal do Paraná Medianeira Brasil Ciência da Computação UTFPR
institution Universidade Tecnológica Federal do Paraná
collection RIUT
language Português
topic Redes sociais on-line
Processamento de imagens - Técnicas digitais
Banco de dados
Online social networks
Image processing - Digital techniques
Data bases
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
spellingShingle Redes sociais on-line
Processamento de imagens - Técnicas digitais
Banco de dados
Online social networks
Image processing - Digital techniques
Data bases
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Ghellere, Jhonattan Salvador
Detecção de objetos em imagens por meio da combinação de descritores locais e classificadores
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.
format Trabalho de Conclusão de Curso (Graduação)
author Ghellere, Jhonattan Salvador
author_sort Ghellere, Jhonattan Salvador
title Detecção de objetos em imagens por meio da combinação de descritores locais e classificadores
title_short Detecção de objetos em imagens por meio da combinação de descritores locais e classificadores
title_full Detecção de objetos em imagens por meio da combinação de descritores locais e classificadores
title_fullStr Detecção de objetos em imagens por meio da combinação de descritores locais e classificadores
title_full_unstemmed Detecção de objetos em imagens por meio da combinação de descritores locais e classificadores
title_sort detecção de objetos em imagens por meio da combinação de descritores locais e classificadores
publisher Universidade Tecnológica Federal do Paraná
publishDate 2020
citation GHELLERE, Jhonattan Salvador. Detecção de objetos em imagens por meio da combinação de descritores locais e classificadores. 2015. 90 f. Trabalho de Conclusão de Curso (Graduação) – Universidade Tecnológica Federal do Paraná, Medianeira, 2015.
url http://repositorio.utfpr.edu.br/jspui/handle/1/12518
_version_ 1805296724358463488
score 10,814766

Registros relacionados