Aprendizado ativo para recuperação e classificação de imagens
Ano de defesa: | 2018 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Tecnológica Federal do Paraná
Cornelio Procopio Brasil Programa de Pós-Graduação em Informática UTFPR |
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | http://repositorio.utfpr.edu.br/jspui/handle/1/4534 |
Resumo: | Currently, image databases have been growing, resulting in the need for optimization and acceleration of the image retrieval and classification processes, together with the improvement of the quality of the returned results. In this context, this work proposes the use of active learning strategies for image classification and retrieval, in order to select more informative samples and to minimize the interaction of the specialist during the learning process. In addition, new active learning strategies are proposed for classification and content-based image retrieval tasks. To validate the proposals, experiments were performed using datasets from different application domains. From the obtained results, it is possible to observe significant gains presented by the proposals in relation to the strategies widely used in the literature. |
id |
UTFPR-12_0a4bf8da3578dad981c4f48b4ae0aec2 |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/4534 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
Aprendizado ativo para recuperação e classificação de imagensActive learning for image retrieval and classificationBanco de dadosProcessamento de imagensSistemas de reconhecimento de padrõesData basesImage processingPattern recognition systemsCNPQ::CIENCIAS EXATAS E DA TERRACiência da ComputaçãoCurrently, image databases have been growing, resulting in the need for optimization and acceleration of the image retrieval and classification processes, together with the improvement of the quality of the returned results. In this context, this work proposes the use of active learning strategies for image classification and retrieval, in order to select more informative samples and to minimize the interaction of the specialist during the learning process. In addition, new active learning strategies are proposed for classification and content-based image retrieval tasks. To validate the proposals, experiments were performed using datasets from different application domains. From the obtained results, it is possible to observe significant gains presented by the proposals in relation to the strategies widely used in the literature.Conselho Nacional do Desenvolvimento Científico e Tecnológico (CNPq)Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do ParanáFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)Secretaria da Ciência, Tecnologia e Ensino Superior (SETI)Universidade Tecnológica Federal do Paraná (UTFPR)Atualmente, bancos de dados de imagens vêm crescendo, surgindo a necessidade de otimização e de aceleração dos processos de recuperação e classificação de imagens, em conjunto com a melhoria da qualidade dos resultados retornados. Neste contexto, este trabalho propõe a utilização de estratégias de aprendizado ativo para classificação e recuperação de imagens, de forma a selecionar amostras mais informativas e minimizar a interação do especialista durante o processo de aprendizado. Além disso, novas estratégias de aprendizado ativo são propostas para as tarefas de classificação e de recuperação de imagens baseadas em conteúdo. Para validação das propostas, foram realizados experimentos utilizando conjuntos de dados de diferentes domínios de aplicação. A partir dos resultados obtidos, é possível observar ganhos significativos apresentados pelas propostas em relação às estratégias amplamente utilizadas na literatura.Universidade Tecnológica Federal do ParanáCornelio ProcopioBrasilPrograma de Pós-Graduação em InformáticaUTFPRSaito, Priscila Tiemi Maedahttp://lattes.cnpq.br/6652293216938994Bugatti, Pedro Henriquehttp://lattes.cnpq.br/2177467029991118Sanches, Danilo Sipolihttp://lattes.cnpq.br/6377657274398145Paschoal, Alexandre Rossihttp://lattes.cnpq.br/5834088144837137Júnior, Sylvio Barbonhttp://lattes.cnpq.br/8086324432194233Saito, Priscila Tiemi Maedahttp://lattes.cnpq.br/6652293216938994Bressan, Rafael Staiger2019-11-08T18:53:02Z2019-11-08T18:53:02Z2018-08-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfBRESSAN, Rafael Staiger. Aprendizado ativo para recuperação e classificação de imagens. 2018. 86 f. Dissertação (Mestrado em Informática) – Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2018.http://repositorio.utfpr.edu.br/jspui/handle/1/4534porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPR2019-11-09T06:00:42Zoai:repositorio.utfpr.edu.br:1/4534Repositório InstitucionalPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestriut@utfpr.edu.bropendoar:2019-11-09T06:00:42Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.none.fl_str_mv |
Aprendizado ativo para recuperação e classificação de imagens Active learning for image retrieval and classification |
title |
Aprendizado ativo para recuperação e classificação de imagens |
spellingShingle |
Aprendizado ativo para recuperação e classificação de imagens Bressan, Rafael Staiger Banco de dados Processamento de imagens Sistemas de reconhecimento de padrões Data bases Image processing Pattern recognition systems CNPQ::CIENCIAS EXATAS E DA TERRA Ciência da Computação |
title_short |
Aprendizado ativo para recuperação e classificação de imagens |
title_full |
Aprendizado ativo para recuperação e classificação de imagens |
title_fullStr |
Aprendizado ativo para recuperação e classificação de imagens |
title_full_unstemmed |
Aprendizado ativo para recuperação e classificação de imagens |
title_sort |
Aprendizado ativo para recuperação e classificação de imagens |
author |
Bressan, Rafael Staiger |
author_facet |
Bressan, Rafael Staiger |
author_role |
author |
dc.contributor.none.fl_str_mv |
Saito, Priscila Tiemi Maeda http://lattes.cnpq.br/6652293216938994 Bugatti, Pedro Henrique http://lattes.cnpq.br/2177467029991118 Sanches, Danilo Sipoli http://lattes.cnpq.br/6377657274398145 Paschoal, Alexandre Rossi http://lattes.cnpq.br/5834088144837137 Júnior, Sylvio Barbon http://lattes.cnpq.br/8086324432194233 Saito, Priscila Tiemi Maeda http://lattes.cnpq.br/6652293216938994 |
dc.contributor.author.fl_str_mv |
Bressan, Rafael Staiger |
dc.subject.por.fl_str_mv |
Banco de dados Processamento de imagens Sistemas de reconhecimento de padrões Data bases Image processing Pattern recognition systems CNPQ::CIENCIAS EXATAS E DA TERRA Ciência da Computação |
topic |
Banco de dados Processamento de imagens Sistemas de reconhecimento de padrões Data bases Image processing Pattern recognition systems CNPQ::CIENCIAS EXATAS E DA TERRA Ciência da Computação |
description |
Currently, image databases have been growing, resulting in the need for optimization and acceleration of the image retrieval and classification processes, together with the improvement of the quality of the returned results. In this context, this work proposes the use of active learning strategies for image classification and retrieval, in order to select more informative samples and to minimize the interaction of the specialist during the learning process. In addition, new active learning strategies are proposed for classification and content-based image retrieval tasks. To validate the proposals, experiments were performed using datasets from different application domains. From the obtained results, it is possible to observe significant gains presented by the proposals in relation to the strategies widely used in the literature. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-08-15 2019-11-08T18:53:02Z 2019-11-08T18:53:02Z |
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.uri.fl_str_mv |
BRESSAN, Rafael Staiger. Aprendizado ativo para recuperação e classificação de imagens. 2018. 86 f. Dissertação (Mestrado em Informática) – Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2018. http://repositorio.utfpr.edu.br/jspui/handle/1/4534 |
identifier_str_mv |
BRESSAN, Rafael Staiger. Aprendizado ativo para recuperação e classificação de imagens. 2018. 86 f. Dissertação (Mestrado em Informática) – Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2018. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/4534 |
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.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Cornelio Procopio Brasil Programa de Pós-Graduação em Informática UTFPR |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Cornelio Procopio Brasil Programa de Pós-Graduação em Informática UTFPR |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
riut@utfpr.edu.br |
_version_ |
1834836556830998528 |