Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/5454
Registro completo de metadados
Campo DCValorIdioma
dc.creatorGhellere, Jhonattan Salvador-
dc.date.accessioned2016-10-10T18:35:45Z-
dc.date.available2016-10-10T18:35:45Z-
dc.date.issued2015-06-12-
dc.identifier.citationGHELLERE, 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.pt_BR
dc.identifier.urihttp://repositorio.roca.utfpr.edu.br/jspui/handle/1/5454-
dc.description.abstractThe 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.subjectRedes sociais on-linept_BR
dc.subjectProcessamento de imagens - Técnicas digitaispt_BR
dc.subjectBanco de dadospt_BR
dc.subjectOnline social networkspt_BR
dc.subjectImage processing - Digital techniquespt_BR
dc.subjectData basespt_BR
dc.titleDetecção de objetos em imagens por meio da combinação de descritores locais e classificadorespt_BR
dc.typebachelorThesispt_BR
dc.description.resumoA 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.pt_BR
dc.degree.localMedianeirapt_BR
dc.publisher.localMedianeirapt_BR
dc.contributor.advisor1Hoffmann, Alessandra Bortoletto Garbelotti-
dc.contributor.advisor-co1Paula Filho, Pedro Luiz de-
dc.contributor.referee1Hoffmann, Alessandra Bortoletto Garbelotti-
dc.contributor.referee2Paula Filho, Pedro Luiz de-
dc.contributor.referee3Candido Junior, Arnaldo-
dc.contributor.referee4Lamb, Juliano Rodrigo-
dc.publisher.countryBrasilpt_BR
dc.publisher.programCiência da Computaçãopt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Aparece nas coleções:MD - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MD_COCIC_2015_1_02.pdf2,99 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.