Assinaturas alternativas de textura baseadas em redes neurais randomizadas

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Leitão Júnior, Macário Martins
Orientador(a): Sá Júnior, Jarbas Joaci de Mesquita
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Visão Computacional
Redes Neurais Randomizadas
Assinatura de Textura
Link de acesso: http://www.repositorio.ufc.br/handle/riufc/62539
Resumo: LEITÃO JÚNIOR, M. M. Assinaturas alternativas de textura baseadas em redes neurais randomizadas. 2019. 72f. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Federal do Ceará, Campus de Sobral, 2019.
id UFC-7_eec1701bea465e71fed05baaa9c62fb7
oai_identifier_str oai:repositorio.ufc.br:riufc/62539
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Leitão Júnior, Macário MartinsSá Júnior, Jarbas Joaci de Mesquita2021-11-26T19:08:10Z2021-11-26T19:08:10Z2019-12-17LEITÃO JÚNIOR, M. M. Assinaturas alternativas de textura baseadas em redes neurais randomizadas. 2019. 72f. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Federal do Ceará, Campus de Sobral, 2019.http://www.repositorio.ufc.br/handle/riufc/62539LEITÃO JÚNIOR, M. M. Assinaturas alternativas de textura baseadas em redes neurais randomizadas. 2019. 72f. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Federal do Ceará, Campus de Sobral, 2019.Texture signatures are descriptors extracted from digital images. They allow a generic representation of the whole or only part of the image. These descriptors are particularly important because they allow the accomplishment of several tasks in computer vision, including texture classification. The success of the classification task depends closely on the used descriptors’ quality. This quality is determined by the separability that the descriptors are able to promote to the different classes. Of course, samples of the same class should still remain as close as possible to each other. The proposition of quality signatures is therefore an important object of study, since proper characterization of textures enables more assertive classifications, achieved with lower computational complexity and cost. In this work, the characterization of textures is approached with focus on the signatures produced from Randomized Neural Networks (RNN), a very recent way to describe textures and that presents remarkable results. Based on this type of descriptor, four new approaches are proposed to improve RNN-based signatures and obtain even better results. The approaches proposed in this work are applied to five image databases, extracting new signatures. These signatures are then submitted to two cross-validation methods in order to estimate the accuracy they can provide when applied to texture classification, thus obtaining a way to compare them with other methods in the literature. The results show that the proposed approaches are feasible alternatives as texture descriptors and effectively increase the RNN-based signature success rates in the classification context. These results also show that the proposed signatures are competitive, surpassing the results of traditional and modern methods present in the literatureAssinaturas de textura são descritores extraídos de imagens digitais que permitem uma representação genérica a respeito de toda ou apenas parte da imagem. Esses descritores são particularmente importantes pois permitem a realização de diversas tarefas em visão computacional, incluindo a classificação de texturas. O sucesso da tarefa de classificação depende intimamente da qualidade dos descritores utilizados. Essa qualidade, por sua vez, é determinada pela separabilidade que os descritores são capazes de promover às diferentes classes envolvidas. Naturalmente, as amostras de uma mesma classe devem ainda permanecer o mais próximo possível umas das outras. O desenvolvimento de assinaturas de qualidade é, portanto, um importante objeto de estudo, uma vez que a caracterização adequada de texturas possibilita classificações mais assertivas, alcançadas com menores complexidade e custo computacionais. Neste trabalho, a maneira de caracterizar texturas é abordada com enfoque nas assinaturas produzidas a partir de Redes Neurais Randomizadas (RNN), uma maneira bastante recente de descrever texturas e que apresenta resultados relevantes. A partir desse tipo de descritor, quatro novas abordagens são propostas, visando aprimorar as assinaturas baseadas em RNN e obter resultados ainda melhores. As abordagens propostas neste trabalho são aplicadas a cinco bases de imagens, extraindo-lhes novas assinaturas. Em seguida, essas assinaturas são submetidas a dois métodos de validação cruzada, a fim de estimar a acurácia que elas podem fornecer quando aplicadas à classificação de texturas, obtendo, dessa forma, uma maneira de compará-las a outros métodos presentes na literatura. Os resultados obtidos mostram que as abordagens propostas são alternativas viáveis enquanto descritores de texturas e elevam efetivamente as taxas de acerto das assinaturas baseadas em RNN, no contexto de classificação. Esses resultados mostram ainda que as assinaturas propostas são competitivas, superando os resultados de métodos tradicionais e modernos presentes na literatura.Visão ComputacionalRedes Neurais RandomizadasAssinatura de TexturaAssinaturas alternativas de textura baseadas em redes neurais randomizadasAlternative texture signatures based on random neural networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccessORIGINAL2019_dis_mmleitãojúnior.pdf2019_dis_mmleitãojúnior.pdfLEITÃO JÚNIOR, M. M. Assinaturas alternativas de textura baseadas em redes neurais randomizadas. 2019. 72f. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Federal do Ceará, Campus de Sobral, 2019.application/pdf2959353http://repositorio.ufc.br/bitstream/riufc/62539/1/2019_dis_mmleit%c3%a3oj%c3%banior.pdf5fca8e662e2728099335a350f33763e2MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.ufc.br/bitstream/riufc/62539/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52riufc/625392021-11-26 16:08:10.932oai:repositorio.ufc.br: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Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2021-11-26T19:08:10Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.pt_BR.fl_str_mv Assinaturas alternativas de textura baseadas em redes neurais randomizadas
dc.title.en.pt_BR.fl_str_mv Alternative texture signatures based on random neural networks
title Assinaturas alternativas de textura baseadas em redes neurais randomizadas
spellingShingle Assinaturas alternativas de textura baseadas em redes neurais randomizadas
Leitão Júnior, Macário Martins
Visão Computacional
Redes Neurais Randomizadas
Assinatura de Textura
title_short Assinaturas alternativas de textura baseadas em redes neurais randomizadas
title_full Assinaturas alternativas de textura baseadas em redes neurais randomizadas
title_fullStr Assinaturas alternativas de textura baseadas em redes neurais randomizadas
title_full_unstemmed Assinaturas alternativas de textura baseadas em redes neurais randomizadas
title_sort Assinaturas alternativas de textura baseadas em redes neurais randomizadas
author Leitão Júnior, Macário Martins
author_facet Leitão Júnior, Macário Martins
author_role author
dc.contributor.author.fl_str_mv Leitão Júnior, Macário Martins
dc.contributor.advisor1.fl_str_mv Sá Júnior, Jarbas Joaci de Mesquita
contributor_str_mv Sá Júnior, Jarbas Joaci de Mesquita
dc.subject.por.fl_str_mv Visão Computacional
Redes Neurais Randomizadas
Assinatura de Textura
topic Visão Computacional
Redes Neurais Randomizadas
Assinatura de Textura
description LEITÃO JÚNIOR, M. M. Assinaturas alternativas de textura baseadas em redes neurais randomizadas. 2019. 72f. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Federal do Ceará, Campus de Sobral, 2019.
publishDate 2019
dc.date.issued.fl_str_mv 2019-12-17
dc.date.accessioned.fl_str_mv 2021-11-26T19:08:10Z
dc.date.available.fl_str_mv 2021-11-26T19:08:10Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv LEITÃO JÚNIOR, M. M. Assinaturas alternativas de textura baseadas em redes neurais randomizadas. 2019. 72f. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Federal do Ceará, Campus de Sobral, 2019.
dc.identifier.uri.fl_str_mv http://www.repositorio.ufc.br/handle/riufc/62539
identifier_str_mv LEITÃO JÚNIOR, M. M. Assinaturas alternativas de textura baseadas em redes neurais randomizadas. 2019. 72f. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Federal do Ceará, Campus de Sobral, 2019.
url http://www.repositorio.ufc.br/handle/riufc/62539
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
bitstream.url.fl_str_mv http://repositorio.ufc.br/bitstream/riufc/62539/1/2019_dis_mmleit%c3%a3oj%c3%banior.pdf
http://repositorio.ufc.br/bitstream/riufc/62539/2/license.txt
bitstream.checksum.fl_str_mv 5fca8e662e2728099335a350f33763e2
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1847793118053662720

Registros relacionados