Utilizando Eigenfaces para Reconhecimento de Imagens
|
|
- Adriano Fragoso Caires
- 8 Há anos
- Visualizações:
Transcrição
1 Utilizando Eigenfaces para Reconhecimento de Imagens Thales Sehn Körting (Bolsista PIBIC-CNPq), Nelson Lopes Duarte Filho Engenharia de Computação - Fundação Universidade Federal do Rio Grande Av. Itália, Km. 8 s/n o Rio Grande, RS Departamento de Matemática Fundação Universidade Federal do Rio Grande Av. Itália, Km. 8 s/n o Rio Grande, RS thales@ecomp.furg.br, dmtnldf@furg.br Abstract. This paper presents a very utilized thecnique by the pattern recognition community, the Principal Component Analysis, through the use of Eigenfaces, that will be better described as follows. Besides the description of this method, this paper has the exposition of experimental results in face recognition, in order to prove the capacities of such method and the necessities of its use to this kind of application. Resumo. Este artigo apresenta uma técnica bastante utilizada na comunidade de reconhecimento de padrões, a chamada Análise dos Componentes Principais, pelo uso de Eigenfaces, os quais serão melhor descritos a seguir. Além da descrição completa do método, este artigo conta com a exposição de resultados experimentais de reconhecimento de faces, visando comprovar as capacidades do método em questão e a necessidade de seu uso para este tipo de aplicação. 1 Introdução Uma importante área de atuação da informática na vida cotidiana está no reconhecimento de faces, com diversos exemplos de uso, como na identificação de pessoas em cartões de crédito, carteiras de motorista, passaportes, etc., além da utilização em áreas de segurança, como retrato-falado, rastreamento em multidões, entre outros [Romdhani, 1996]. Podemos utilizar esta área para o próprio estudo da inteligência humana (um dos objetivos principais da Inteligência Artificial), tanto que Neuro-cientistas vêm conduzindo pesquisas neste campo. Suas propostas são de entender os mecanismos de visão do cérebro humano. Uma das técnicas utilizadas por eles é chamada Análise dos Componentes Principais (ou PCA - Principal Component Analysis) [Romdhani, 1996], e é esta técnica a inspiradora do método aqui apresentado.
2 Entretanto, para capacitar um computador de tal habilidade, precisamos treiná-lo com a utilização de imagens de referência, as quais possuem um tamanho relativamente grande, e como são necessárias diversas imagens visando o aumento da robustez do sistema, torna-se bastante difícil a criação de métodos com os quais se possa trabalhar em tempo real, visto que o processamento de todas essas informações contém um custo bastante elevado. A utilização de eigenfaces 1 visa reduzir a dimensionalidade dos dados de treinamento, com o intuito de contornar o problema recém citado, sendo sua descrição o objetivo principal deste trabalho. Atualmente diversas pesquisas têm sido conduzidas utilizando eigenfaces com o objetivo de aperfeiçoar o método, e o que se encontra na bibliografia são diversas técnicas derivadas da transformada PCA, como modelagem de densidade, eigenfeatures, similaridade Bayesiana, entre outros [Cendrillon e Lovell, 1999]. Além disso muitos projetos já vêm utilizando eigenfaces para o processamento de imagens em geral, como detecção de faces [Turk e Pentland, 1991], ou apenas dos olhos [Marques, Orlans e Piszcz, 2003], ou mesmo dos demais pontos principais de uma face, como nariz, boca, etc. [Liou, 1997] Ao longo deste artigo encontraremos a descrição do método, apresentando uma série de testes realizados em bases de dados contendo imagens de faces humanas, através de um sistema implementado para esse propósito, o qual é treinado com essa base e se torna capaz de discernir, ao receber uma nova imagem, se essa contém uma face humana e se a mesma (sendo uma face) é reconhecida dentro da base de treinamento. 2 Imagens Para a realização deste artigo foram utilizados alguns bancos de imagens de faces humanas 2, provenientes de duas fontes. O primeiro face bank utilizado foi o chamado ORL database 3 contendo um conjunto de imagens de faces criadas entre Abril de 1992 e Abril de Existem 10 imagens para cada uma das 40 pessoas envolvidas [Dogu, Kaynar e Vural, 2000]. O segundo face bank, disponível em [Danner e Datta, 2000] contém 86 imagens de 31 faces (2 ou 3 por pessoa). No primeiro face bank, como mostrado na figura 1, as imagens são das faces inteiras, com um pequeno fundo. Já no segundo as imagens foram recortadas, ressaltando pontos que vão desde a sobrancelha até o queixo. 1 Através da transformada PCA, também conhecida por transformada de Hotelling e por expansão de Karhunen-Loève [Campos, 2000]. 2 Os exemplos apresentados contém imagens de homens e mulheres. Serão referenciados por Face Banks. 3 Olivetti Research Laboratory
3 Figura 1: ORL Face Bank O computador interpretará as imagens dos face banks como vetores em uma matriz que as contém, para isso devemos fazer o processo de vetorização: sendo h o número de linhas de uma imagem e w o número de colunas, podese dizer que uma imagem é um padrão de características, ou um vetor no espaço -dimensional, o qual chamaremos de espaço de imagens [Campos, 2000]. Para trabalharmos com a técnica que será apresentada, fazemos a transposição das imagens para o espaço de imagens, como visto em [Campos, 2000], construindo assim a matriz, de tamanho, sendo e n o número de imagens a serem utilizadas durante a fase de treinamento. Conforme dito anteriormente, o uso de eigenfaces considera esse espaço de imagens como um espaço vetorial ( -dimensional), e entende cada uma das linhas de como um ponto neste espaço. O uso de técnicas da álgebra linear nos ajuda a reduzir os cálculos na hora de estabelecermos o reconhecimento das imagens envolvidas, através da projeção dos vetores (faces) em sub-espaços vetoriais, daí o uso de auto-valores e autovetores (os quais estamos chamando de eigenfaces). Esses auto-vetores, conforme a álgebra linear, refletem em um conjunto de vetores com direções que representam a maioria das direções dos demais vetores já presentes neste espaço. Para o reconhecimento de faces isto se faz importante, na medida em que os auto-vetores refletirão os componentes das imagens que são mais importantes ao reconhecimento, ou seja, aqueles que mais se fazem presentes em todas as imagens 4. Cabe salientar que os auto-valores refletem a importância dos auto-vetores, ou seja, os auto-vetores com maiores auto-valores refletirão em componentes das imagens que são mais importantes do que outros com auto-valores menores. Autovetores com auto-valores nulos poderão ser descartados, e isso é importante tam- 4 Daí a explicação do nome da técnica também ser conhecida como Análise dos Componentes Principais, ou PCA - Principal Component Analysis
4 bém pela redução de dimensionalidade na hora da realização das computações em busca do reconhecimento das faces. 3 Eigenfaces Já entendendo como funciona a criação do espaço de imagens e o que significam auto-valores e auto-vetores, podemos partir para a descrição do método 5. Pela facilidade do entendimento, serão utilizadas bastantes equações no formato matricial, acompanhadas por pequenas descrições dos passos envolvidos e das dimensionalidades de cada matriz gerada. Para a geração dos auto-valores e auto-vetores, precisamos inicialmente construir o espaço de imagens, e isso é feito da seguinte forma [Campos, 2000]: contento n cópias da média das imagens contidas em : Tendo um conjunto de n imagens para o treinamento,, criamos a matriz A diferença entre cada face sendo e a média é gravada em : Com esses dados podemos montar a matriz de covariância das imagens de treinamento. Os eigenfaces deveriam ser extraídos desta matriz, C, que é construída como segue: No entanto encontrar os auto-vetores de uma matriz é uma tarefa intratável para tamanhos de imagens típicos, de modo que uma maneira simplificada de cálculo deve ser adotada [Turk, 1991]. Consideremos a matriz!. Os primeiros n auto-vetores de C podem ser expressados como uma combinação linear entre os auto-vetores de L (denotados por V) e as imagens contidas em A [Wei, 2000], como mostrado: " #$ 5 A proposta original do uso deste método encontra-se em [Turk, 1991]
5 Figura 2: 3 primeiros e 3 últimos eigenfaces gerados Neste momento já possuímos os eigenfaces, armazenados na matriz U. Se mostrarmos cada linha desta matriz como uma imagem, perceberemos que estas apresentam similaridades com faces humanas, ressaltando as características principais do banco de imagens de faces utilizado. O reconhecimento de faces por eigenfaces é composto de dois estágios: um para o treinamento e outro para o reconhecimento [Wei, 2000]. No estágio de treinamento a face de cada indivíduo, é projetada no espaço de imagens, gerando a matriz " : Será com esta matriz que realizaremos as comparações na hora de executarmos o reconhecimento das imagens. Observe que ela possui uma dimensão muito menor do que a das imagens de entrada; esse é o objetivo principal da utilização dos eigenfaces. Para a posterior classificação das imagens, precisamos calcular um valor limiar para representar a maior distância aceitável entre imagens de teste e as imagens de treinamento: 4 Reconhecimento Como dito anteriormente, se mostrarmos os eigenfaces como imagens veremos que os mesmos apresentam figuras que lembram faces humanas, ou seja, imagens contendo os componentes principais das faces humanas. Eigenfaces com menores auto-valores apresentam imagens sem muitas características interessantes, por isso muitas vezes são descartadas. Os 3 primeiros e os 3 últimos eigenfaces gerados estão mostrados na figura 2.
6 Consideremos uma imagem de prova,, a qual será utilizada para testar o sistema, que deve discernir se a imagem representa ou não uma face humana além de, se realmente representar, conseguir detectar se a face apresentada é de alguma pessoa cuja face está no banco de treinamento ou se é outra pessoa. Para iniciarmos o processo, projetamos no espaço de imagens através do seguinte cômputo: " Também, para uso no cálculo posterior, reconstruímos a imagem de prova 6, guardando-a em, o que é feito pela equação abaixo: " será utilizada para que o sistema possa realizar a distinção entre imagens de prova contendo faces humanas e imagens quaisquer. Para isso calculamos a distância (vetorial) entre a imagem de prova e sua reconstrução: Além disso precisamos saber a distância entre a imagem de prova e todas as imagens do banco de faces. Armazenamos esses resultados em : Finalmente, com o cálculo de todos estes valores, podemos realizar a classificação da imagem de prova, utilizando a lógica a seguir: SE ENTAO a imagem não representa uma face humana; SE E ENTAO a imagem representa uma face humana, mas desconhecida pelo banco de faces; SE E ENTAO a imagem representa a face do indivíduo contido no índice k do banco de faces. 6 Se utilizarmos uma imagem já conhecida, devemos perceber que sua reconstrução será praticamente idêntica à imagem original
7 Figura 3: Testes realizados: esquerda, com sucesso e direita, sem sucesso Imagens utilizadas Resultados fase treinanento teste acertos erros taxa de acerto 1 a 120 (3 por pessoa) ,54% 2 a 240 (6 por pessoa) ,00% Tabela 1: Resultados 5 Conclusões e Trabalhos Futuros Aqui são apresentados alguns testes realizados na fase inicial do projeto 7, que visam ratificar a utilização da técnica explicada e impulsionam a continuidade da pesquisa para o aprimoramento dos resultados, os quais estão mostrados da seguinte maneira (figura 3): uma imagem de prova à esquerda, não pertencente ao banco de faces do treinamento, o resultado de sua reconstrução a partir da transformada PCA no centro e, em caso de ser detectada como um indivíduo conhecido, a face com a qual a imagem de prova mais se assemelha à direita. Na tabela 1 vemos uma descrição mais quantitativa dos primeiros resultados, utilizando 3 imagens de cada pessoa para a primeira fase e 6 imagens em um segundo momento, o que naturalmente aumentou a taxa de acertos. Como se pode perceber, a utilização da técnica proposta é bastante satisfatória quando utilizada sobre uma base de dados (faces) relativamente grande, permitindo ao sistema inferir, das imagens de prova posteriormente apresentadas, suas principais características e, partindo delas, realizar o reconhecimento das imagens utilizando um número bastante reduzido de cálculos. Pretende-se, ainda, desenvolver um sistema completo de reconhecimento de faces, com características de adaptação a faces desconhecidas, tornando o sistema capaz de aprender a reconhecer novas faces conforme a apresentação de indivíduos desconhecidos, e também de ratificar seu conhecimento sobre as 7 Todos executados sobre o banco de faces ORL
8 imagens já conhecidas. Além disso mais testes deverão ser realizados, visando a publicação dos resultados de forma estatística, comprovando a necessidade do uso de eigenfaces para este tipo de aplicação. Referências TURK, M. A., PENTLAND, A. P. Eigenfaces for Recognition. Journal of cognitive neuroscience, Vol. 3, No. 1, TURK, M. A., PENTLAND, A. P. Face Recognition Using Eigenfaces. IEEE CVPR, PENTLAND, A., MOGHADDAM, B., STARNER, T. View-Based and Modular Eigenspaces for Face Recognition. IEEE CVPR, CAMPOS, T. E. Técnicas de Seleção de Atributos e de Classificação para Reconhecimento de Faces. Dissertação de Mestrado, Departamento de Ciência da Computação, IME - USP ROMDHANI, S. Face Recognition Using Principal Component Analysis. Dissertação de Mestrado. Departament of Electronics and Electrical Engineering, University of Glasgow, UK DANNER, T. DATTA, I. Eigenfaces Group. Disponível em Acessado em 09/02/2004. WEI, S. Shape Analysis in Computer Vision Final Project Report: Face Recognition. Disponível em Acessado em 05/02/2004. DOGU, H., KAYNAR, Í., VURAL, F. T. Y. Face Recognition Using Eigenfaces. Disponível em undergraduate_projects/564/564_project_report_files/. Acessado em 02/05/2004. LIOU, C. J. A Real Time Face Recognition System. Departament of Electrical Engineering, National Taiwan University CENDRILLON, R. LOVELL, B. C. Real Time Face Recognition using Eigenfaces. Departament of Computer Science and Electrical Engineering - UQ MARQUES, J., ORLANS, N. M., PISZCZ, A.T. Effects of Eye Position on Eigenface-Based Face Recognition Scoring. The MITRE Corporation LUO, M., PANITCHOB, Y. Eigenfaces for Face Recognition. ECE. 2000
PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.
1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando
Leia mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia mais6. Geometria, Primitivas e Transformações 3D
6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também
Leia maisProjeto de Sistemas I
Instituto Federal de Educação, Ciência e Tecnologia de São Paulo Projeto de Sistemas I Professora: Kelly de Paula Cunha E-mail:kellypcsoares@ifsp.edu.br Requisitos: base para todo projeto, definindo o
Leia maisIntrodução. Capítulo. 1.1 Considerações Iniciais
Capítulo 1 Introdução 1.1 Considerações Iniciais A face humana é uma imagem fascinante, serve de infinita inspiração a artistas há milhares de anos. Uma das primeiras e mais importantes habilidades humanas
Leia maisNa medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia.
1 Introdução aos Sistemas de Informação 2002 Aula 4 - Desenvolvimento de software e seus paradigmas Paradigmas de Desenvolvimento de Software Pode-se considerar 3 tipos de paradigmas que norteiam a atividade
Leia maisDEPARTAMENTO DE MESTRADO EM ENGENHARIA ELÉTRICA DA FEI 18/5/2006 SEMINÁRIOS DA FEI
DEPARTAMENTO DE MESTRADO EM ENGENHARIA ELÉTRICA DA FEI TUTORIAL SOBRE ANÁLISE DE COMPONENTES PRINCIPAIS PARA RECONHECIMENTO AUTOMÁTICO DE FACES MESTRADO DA FEI/IAAA Edson C. Kitani (Mestrando) Orientador:
Leia maisReconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller
Reconhecimento de marcas de carros utilizando Inteligência Artificial André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Motivação Análise estatística das marcas de carros em
Leia maisO ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Leia mais4 Avaliação Experimental
4 Avaliação Experimental Este capítulo apresenta uma avaliação experimental dos métodos e técnicas aplicados neste trabalho. Base para esta avaliação foi o protótipo descrito no capítulo anterior. Dentre
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia maisCálculo de volume de objetos utilizando câmeras RGB-D
Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de
Leia maisSECRETARIA DE ESTADO DA EDUCAÇÃO SUPERINTENDÊNCIA DE EDUCAÇÃO DIRETORIA DE TECNOLOGIA EDUCACIONAL PORTAL DIA A DIA EDUCAÇÃO Natel Marcos Ferreira
SECRETARIA DE ESTADO DA EDUCAÇÃO SUPERINTENDÊNCIA DE EDUCAÇÃO DIRETORIA DE TECNOLOGIA EDUCACIONAL PORTAL DIA A DIA EDUCAÇÃO Natel Marcos Ferreira Movimento 1. Nível de ensino: Ensino Médio 2. Conteúdo
Leia mais5 Equacionando os problemas
A UA UL LA Equacionando os problemas Introdução Nossa aula começará com um quebra- cabeça de mesa de bar - para você tentar resolver agora. Observe esta figura feita com palitos de fósforo. Mova de lugar
Leia maisProcessos Técnicos - Aulas 4 e 5
Processos Técnicos - Aulas 4 e 5 Trabalho / PEM Tema: Frameworks Públicos Grupo: equipe do TCC Entrega: versão digital, 1ª semana de Abril (de 31/03 a 04/04), no e-mail do professor (rodrigues.yuri@yahoo.com.br)
Leia maisFLUXO DE CAIXA: Módulo BI (Business Intelligence)
RELATÓRIO DE ESTÁGIO: Tânia Cristina Leite RA: 046567 Orientador: Prof. Dr. Aurelio Ribeiro Leite de Oliveira FLUXO DE CAIXA: Módulo BI (Business Intelligence) Universidade Estadual de Campinas Instituto
Leia mais3 Classificação. 3.1. Resumo do algoritmo proposto
3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia mais5 Extraindo listas de produtos em sites de comércio eletrônico
5 Extraindo listas de produtos em sites de comércio eletrônico Existem diversos trabalhos direcionadas à detecção de listas e tabelas na literatura como (Liu et. al., 2003, Tengli et. al., 2004, Krüpl
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS
UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário
Leia maisCorrelação Canônica. Outubro / 1998. Versão preliminar. Fabio Vessoni. fabio@mv2.com.br (011) 30642254. MV2 Sistemas de Informação
Correlação Canônica Outubro / 998 Versão preliminar Fabio Vessoni fabio@mv.com.br (0) 306454 MV Sistemas de Informação Introdução Existem várias formas de analisar dois conjuntos de dados. Um dos modelos
Leia maisUNIVERSIDADE F EDERAL DE P ERNAMBUCO ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO
UNIVERSIDADE F EDERAL DE P ERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA 2010.2 ANÁLISE DE UM MÉTODO PARA DETECÇÃO DE PEDESTRES EM IMAGENS PROPOSTA DE TRABALHO DE GRADUAÇÃO Aluno!
Leia maisProposta de Trabalho para a Disciplina de Introdução à Engenharia de Computação PESQUISADOR DE ENERGIA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA E INSTITUTO DE INFOMÁTICA ENGENHARIA DE COMPUTAÇÃO INTRODUÇÃO À ENGENHARIA DE COMPUTAÇÃO Bruno Silva Guedes Cartão: 159033 Proposta de Trabalho
Leia maisAnálise Univariada de Sinais Mioelétricos
Análise Univariada de Sinais Mioelétricos Orientador: Maria Claudia Ferrari de Castro Departamento: Engenharia Elétrica Candidato: Luiz Victor Esteves N FEI: 11209220-0 Início: Setembro/10 Provável conclusão:
Leia maisIvan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:
Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas
Leia mais3 Qualidade de Software
3 Qualidade de Software Este capítulo tem como objetivo esclarecer conceitos relacionados à qualidade de software; conceitos estes muito importantes para o entendimento do presente trabalho, cujo objetivo
Leia maisAULA 6 - Operações Espaciais
6.1 AULA 6 - Operações Espaciais Essa aula descreve as operações espaciais disponíveis no TerraView. Antes de iniciar sua descrição é necessário importar alguns dados que serão usados nos exemplos. Exercício:
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares
Leia maisRevista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP
Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the
Leia maisRealizado de 25 a 31 de julho de 2010. Porto Alegre - RS, 2010. ISBN 978-85-99907-02-3
Metodologias de Aprendizagem: humanidades na sala de aula Paola Gomes Pereira Bolsista de Iniciação Científica Universidade Federal do Rio Grande do Sul (UFRGS) paola.pereira@ufrgs.br Antonio Carlos Castrogiovanni
Leia maisUniversidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 2013/I
1 Universidade Federal de Viçosa Centro de Ciências Exatas Departamento de Matemática 3 a Lista - MAT 137 - Introdução à Álgebra Linear 013/I 1 Sejam u = ( 4 3) v = ( 5) e w = (a b) Encontre a e b tais
Leia maisSOFTWARE LIVRE NO SETOR PÚBLICO
SOFTWARE LIVRE NO SETOR PÚBLICO Marco Túlio dos Santos(mtuliods@hotmail.com) Thales Macieira(monteiro_macieira@yahoo.com.br) Richardson Mendes(richardsonmendes407@gmail.com) Resumo: O artigo a seguir tem
Leia maisIntrodução à Computação
Aspectos Importantes - Desenvolvimento de Software Motivação A economia de todos países dependem do uso de software. Cada vez mais, o controle dos processos tem sido feito por software. Atualmente, os
Leia mais3 Estratégia para o enriquecimento de informações
34 3 Estratégia para o enriquecimento de informações Podemos resumir o processo de enriquecimento de informações em duas grandes etapas, a saber, busca e incorporação de dados, como ilustrado na Figura
Leia mais5 CONCLUSÃO. 5.1. Resumo
70 5 CONCLUSÃO 5.1. Resumo Conforme visto no capítulo anterior, por meio das análises dos resultados da pesquisa de campo, realizadas no software SPSS 17.0 versão Windows, foram obtidas as funções de utilidade;
Leia maisTUTORIAL DO ACCESS PASSO A PASSO. I. Criar um Novo Banco de Dados. Passos: 1. Abrir o Access 2. Clicar em Criar um novo arquivo
TUTORIAL DO ACCESS PASSO A PASSO I. Criar um Novo Banco de Dados Passos: 1. Abrir o Access 2. Clicar em Criar um novo arquivo 3. Clicar em Banco de Dados em Branco 4. Escrever um nome na caixa de diálogo
Leia maisBanco de Dados Modelo Conceitual, Lógico, Físico, Entidade- Relacionamento (ER) Hélder Nunes
Banco de Dados Modelo Conceitual, Lógico, Físico, Entidade- Relacionamento (ER) Hélder Nunes Modelos de banco de dados Modelo de banco de dados é uma descrição dos tipos de informações que estão armazenadas
Leia maisSeção 2/E Monitoramento, Avaliação e Aprendizagem
Seção 2/E Monitoramento, Avaliação e Aprendizagem www.bettercotton.org Orientação Text to go here O documento Monitoramento, Avaliação e Aprendizagem da BCI proporciona uma estrutura para medir as mudanças
Leia maisQFD: Quality Function Deployment QFD: CASA DA QUALIDADE - PASSO A PASSO
QFD: CASA DA QUALIDADE - PASSO A PASSO 1 - INTRODUÇÃO Segundo Akao (1990), QFD é a conversão dos requisitos do consumidor em características de qualidade do produto e o desenvolvimento da qualidade de
Leia maisFundamentos de Hardware
Fundamentos de Hardware Curso Técnico em Informática SUMÁRIO PLACAS DE EXPANSÃO... 3 PLACAS DE VÍDEO... 3 Conectores de Vídeo... 4 PLACAS DE SOM... 6 Canais de Áudio... 7 Resolução das Placas de Som...
Leia maisA função do primeiro grau
Módulo 1 Unidade 9 A função do primeiro grau Para início de conversa... Já abordamos anteriormente o conceito de função. Mas, a fim de facilitar e aprofundar o seu entendimento, vamos estudar algumas funções
Leia maisTutorial - Vetorizando uma fotografia
Tutorial - Vetorizando uma fotografia Thiago Santos 02-2013 Vetorizando uma fotografia Meu nome é Thiago Santos e vou mostrar a vocês como vetorizar uma fotografia. O processo não é muito complicado, mas
Leia maisMedida da velocidade de embarcações com o Google Earth
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO Instituto de Física Programa de Pós-Graduação em Ensino de Física Mestrado Profissional em Ensino de Física Medida da velocidade de embarcações com o Google Earth
Leia maisAssociação Paralelo Ativo e Passivo Vantagens e Benefícios
Associação Paralelo Ativo e Passivo Vantagens e Benefícios Departamento de Pesquisa e Desenvolvimento - CP Eletrônica S.A. Rua da Várzea 379 CEP:91040-600 - Porto Alegre RS - Brasil Fone: (51)21312407
Leia maisENGENHARIA DE SOFTWARE I
ENGENHARIA DE SOFTWARE I Prof. Cássio Huggentobler de Costa [cassio.costa@ulbra.br] Twitter: www.twitter.com/cassiocosta_ Agenda da Aula (002) Metodologias de Desenvolvimento de Softwares Métodos Ágeis
Leia maisGerenciamento de Projetos Modulo II Clico de Vida e Organização
Gerenciamento de Projetos Modulo II Clico de Vida e Organização Prof. Walter Cunha falecomigo@waltercunha.com http://waltercunha.com Bibliografia* Project Management Institute. Conjunto de Conhecimentos
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisUnidade VI. Validação e Verificação de Software Teste de Software. Conteúdo. Técnicas de Teste. Estratégias de Teste
Unidade VI Validação e Verificação de Software Teste de Software Profa. Dra. Sandra Fabbri Conteúdo Técnicas de Teste Funcional Estrutural Baseada em Erros Estratégias de Teste Teste de Unidade Teste de
Leia maisAnálise de componentes principais (PCA)
Análise de componentes principais (PCA) Redução de dados Sumarizar os dados que contém muitas variáveis (p) por um conjunto menor de (k) variáveis compostas derivadas a partir do conjunto original. p k
Leia mais1 Título. 2 Objetivos. 3 - Fundamentos Teóricos. Página 1 de 5 Universidade Federal de Juiz de Fora. Prática 1 Aplicações das Funções Lógicas
Página 1 de 5 1 Título Prática 1 Aplicações das Funções Lógicas 2 Objetivos Identificação do encapsulamento dos Circuitos Integrados (CIs) que serão utilizados no decorrer das aulas práticas, interpretação
Leia mais2. Representação Numérica
2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos
Leia maisINTERAÇÃO ENTRE TEORIA E PRÁTICA NO CANTEIRO DE OBRAS
11. CONEX Apresentação Oral Resumo Expandido 1 ÁREA TEMÁTICA: ( ) COMUNICAÇÃO ( ) CULTURA ( ) DIREITOS HUMANOS E JUSTIÇA ( ) EDUCAÇÃO ( ) MEIO AMBIENTE ( ) SAÚDE ( ) TRABALHO ( X ) TECNOLOGIA INTERAÇÃO
Leia maisGerenciamento de Projetos Modulo II Ciclo de Vida e Organização do Projeto
Gerenciamento de Projetos Modulo II Ciclo de Vida e Organização do Projeto Prof. Walter Cunha falecomigo@waltercunha.com http://waltercunha.com PMBoK Organização do Projeto Os projetos e o gerenciamento
Leia mais5 Resultados. 5.1. Avaliação Baseada na Taxa de Igual Erro
5 Resultados Neste capitulo discutem-se os resultados obtidos no desenvolvimento desta pesquisa segundo a metodologia descrita no capitulo anterior. A avaliação de acurácia para tarefas de verificação
Leia maisUsando o Arena em Simulação
Usando o Arena em Simulação o ARENA foi lançado pela empresa americana Systems Modeling em 1993 e é o sucessor de dois outros produtos de sucesso da mesma empresa: SIMAN (primeiro software de simulação
Leia maisSIMULADO: Simulado 3 - ITIL Foundation v3-40 Perguntas em Português
1 de 7 28/10/2012 16:47 SIMULADO: Simulado 3 - ITIL Foundation v3-40 Perguntas em Português RESULTADO DO SIMULADO Total de questões: 40 Pontos: 0 Score: 0 % Tempo restante: 55:07 min Resultado: Você precisa
Leia maisGlobal T126 e GFS), executando para ambos os horários (00Z e 12Z), utilizando
51 Figura 13 - Solicitação e resposta do http. 3.2 Método Para criação da nova metodologia de avaliação, foi utilizado trabalhos escritos por RENARD e CLARKE (1965) que dizem que é possível posicionar
Leia maisTutorial de Matlab Francesco Franco
Tutorial de Matlab Francesco Franco Matlab é um pacote de software que facilita a inserção de matrizes e vetores, além de facilitar a manipulação deles. A interface segue uma linguagem que é projetada
Leia mais5 Experiência de implantação do software de roteirização em diferentes mercados
5 Experiência de implantação do software de roteirização em diferentes mercados 5.1 Introdução Após apresentação feita sobre os processos para implantação de um software de roteirização de veículos da
Leia maisFACEID - Sistema de Reconhecimento de Faces
FACEID - Sistema de Reconhecimento de Faces 1 R.Q. Feitosa, 2 C.V.Pereira, 1 Pontifícia Universidade Católica do Rio de Janeiro, Depto Eng. Elétrica 1,2 Universidade do Estado do Rio de Janeiro, Depto
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisCENTRO DE CIÊNCIAS TECNOLÓGICAS CCT
UNIVERSIDADE DO ESTADO DE SANTA CATARINA CENTRO DE CIÊNCIAS TECNOLÓGICAS CCT CURSO DE TECNOLOGIA EM SISTEMAS DE INFORMAÇÃO ENGENHARIA DO PRODUTO FABIANO RAMOS DOS SANTOS SERGIO DA COSTA FERREIRA JOELSON
Leia maisCorelDRAW 11 1. UM PROGRAMA DE DESIGN
CorelDRAW 11 1. UM PROGRAMA DE DESIGN Com o Corel você vai trabalhar com um dos aplicativos mais usados no campo do design e da auto-edição, já que permite operar com dois tipos de gráficos (vetoriais
Leia maisXIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO
XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL
Leia maisPESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR. Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 *
PESQUISA OPERACIONAL: UMA ABORDAGEM À PROGRAMAÇÃO LINEAR 1 Graduando Rodolfo Cavalcante Pinheiro 1,3 Cleber Giugioli Carrasco 2,3 * 2 Pesquisador - Orientador 3 Curso de Matemática, Unidade Universitária
Leia mais)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR
6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,
Leia maisTabela de Símbolos. Análise Semântica A Tabela de Símbolos. Principais Operações. Estrutura da Tabela de Símbolos. Declarações 11/6/2008
Tabela de Símbolos Análise Semântica A Tabela de Símbolos Fabiano Baldo Após a árvore de derivação, a tabela de símbolos é o principal atributo herdado em um compilador. É possível, mas não necessário,
Leia maisQuestionamento 3. Ano. Série. Nome do Aluno. Escola
Questionamento 3 Pergunta 1: Conforme página 3 do TR existe a necessidade de cadastro em sistema de gestão documental informatizado, conforme requisitos abaixo listados: Ano Série Nome do Aluno Escola
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisGARANTIA DA QUALIDADE DE SOFTWARE
GARANTIA DA QUALIDADE DE SOFTWARE Fonte: http://www.testexpert.com.br/?q=node/669 1 GARANTIA DA QUALIDADE DE SOFTWARE Segundo a NBR ISO 9000:2005, qualidade é o grau no qual um conjunto de características
Leia mais1 Descrição do Trabalho
Departamento de Informática - UFES 1 o Trabalho Computacional de Algoritmos Numéricos - 13/2 Métodos de Runge-Kutta e Diferenças Finitas Prof. Andréa Maria Pedrosa Valli Data de entrega: Dia 23 de janeiro
Leia maisComputação Adaptativa
Departamento de Engenharia Informática Faculdade de Ciências e Tecnologia Universidade de Coimbra 2007/08 Computação Adaptativa TP2 OCR Optical Character Recognition Pedro Carvalho de Oliveira (MEI) Nº
Leia maisNome do Aluno. Modelo para elaboração de monografia
Nome do Aluno Modelo para elaboração de monografia São José SC fevereio / 2009 Nome do Aluno Modelo para elaboração de monografia Monografia apresentada à Coordenação do Curso Superior de Tecnologia em
Leia maisMELHORIA DE RECURSOS EDUCACIONAIS DAS DISCIPLINAS DE EXPERIMENTAÇÃO
MELHORIA DE RECURSOS EDUCACIONAIS DAS DISCIPLINAS DE EXPERIMENTAÇÃO 1. Identificação do proponente 1.1. Nome: Moeses Andrigo Danner 1.2. Vínculo com a instituição: Docente permanente 1.3. Coordenação /
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE INFORMÁTICA E ESTÁTISTICA GRADUAÇÃO EM CIÊNCIAS DA COMPUTAÇÃO DISCIPLINA: COMUNICAÇÃO DE DADOS
UNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE INFORMÁTICA E ESTÁTISTICA GRADUAÇÃO EM CIÊNCIAS DA COMPUTAÇÃO DISCIPLINA: COMUNICAÇÃO DE DADOS PROFESSOR: CARLOS BECKER WESTPHALL Terceiro Trabalho
Leia maisUniversidade Federal de Goiás UFG Campus Catalão CAC Departamento de Engenharia de Produção. Sistemas ERP. PCP 3 - Professor Muris Lage Junior
Sistemas ERP Introdução Sucesso para algumas empresas: acessar informações de forma rápida e confiável responder eficientemente ao mercado consumidor Conseguir não é tarefa simples Isso se deve ao fato
Leia maisPÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Leia maisCEAHS CEAHS. Grupo Disciplinas presenciais Créditos Mercado da Saúde Ética e aspectos jurídicos 1
CEAHS Breve descrição das disciplinas Grupo Disciplinas presenciais Créditos Mercado de Saúde 2 Mercado da Saúde Ética e aspectos jurídicos 1 Economia da Saúde 1 Processos e Sistemas em Saúde 2 Negócios
Leia maisDo neurônio biológico ao neurônio das redes neurais artificiais
Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais
Leia maisRelatório da ListEx02 Aplicação da Heurística do objetivo na definição das propostas do meu aplicativo de banco de dados e dissertação de mestrado
ITA Instituto Tecnológico da Aeronáutica IEC Divisão de Ciência da Computação Pós-Graduação em Engenharia Eletrônica e Computação Relatório da ListEx02 Aplicação da Heurística do objetivo na definição
Leia mais1 Base de um Espaço Vetorial
Disciplina: Anéis e Corpos Professor: Fernando Torres Membros do grupo: Blas Melendez Caraballo (ra143857), Leonardo Soriani Alves (ra115465), Osmar Rogério Reis Severiano (ra134333) Ramon Códamo Braga
Leia maisArtigo Os 6 Mitos Do Seis Sigma
Artigo Os 6 Mitos Do Seis Sigma Celerant Consulting A metodologia do Seis Sigma a abordagem Definir, Medir, Analisar, Melhorar e Controlar (DMAIC) para resolução de problemas e as ferramentas a serem usadas
Leia maisGereComSaber. Disciplina de Desenvolvimento de Sistemas de Software. Sistema de Gestão de Serviços em Condomínios
Universidade do Minho Conselho de Cursos de Engenharia Licenciatura em Engenharia Informática 3ºAno Disciplina de Desenvolvimento de Sistemas de Software Ano Lectivo de 2009/2010 GereComSaber Sistema de
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia mais7.Conclusão e Trabalhos Futuros
7.Conclusão e Trabalhos Futuros 158 7.Conclusão e Trabalhos Futuros 7.1 Conclusões Finais Neste trabalho, foram apresentados novos métodos para aceleração, otimização e gerenciamento do processo de renderização
Leia maisO QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I
O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I! A utilização de escores na avaliação de crédito! Como montar um plano de amostragem para o credit scoring?! Como escolher as variáveis no modelo de credit
Leia maisOS 14 PONTOS DA FILOSOFIA DE DEMING
OS 14 PONTOS DA FILOSOFIA DE DEMING 1. Estabelecer a constância de propósitos para a melhoria dos bens e serviços A alta administração deve demonstrar constantemente seu comprometimento com os objetivos
Leia maisCartilha para utilização do software GRAPHMATICA no ensino de Funções Polinomiais do 1º grau no 9º ano do Ensino Fundamental.
Cartilha para utilização do software GRAPHMATICA no ensino de Funções Polinomiais do 1º grau no 9º ano do Ensino Fundamental. Autores: Alessandro Marques Calil Carlos Vitor de Alencar Carvalho Janaína
Leia maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia maisUNIVERSIDADE FEDERAL DA BAHIA INSTITUTO DE MATEMÁTICA 5 0 Encontro da RPM TRANSFORMAÇÕES NO PLANO
UNIVERSIDADE FEDERAL DA BAHIA INSTITUTO DE MATEMÁTICA 5 0 Encontro da RPM TRANSFORMAÇÕES NO PLANO Jorge Costa do Nascimento Introdução Na produção desse texto utilizamos como fonte de pesquisa material
Leia maisTecnologia PCI express. Introdução. Tecnologia PCI Express
Tecnologia PCI express Introdução O desenvolvimento de computadores cada vez mais rápidos e eficientes é uma necessidade constante. No que se refere ao segmento de computadores pessoais, essa necessidade
Leia maisANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD
ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos
Leia maisPrimeira Pesquisa TecnoAtiva de Segurança da Informação da Bahia e Sergipe 2006
Apresentamos os resultados da Primeira Pesquisa TecnoAtiva de Segurança da Informação da Bahia e Sergipe, realizada com o apoio da SUCESU-BA. O objetivo dessa pesquisa é transmitir aos gestores e ao mercado
Leia maisReconhecimento de Padrões Utilizando Filtros Casados
Detecção e estimação de sinais Reconhecimento de Padrões Utilizando Filtros Casados Aline da Rocha Gesualdi Mello, José Manuel de Seixas, Márcio Portes de Albuquerque, Eugênio Suares Caner, Marcelo Portes
Leia maisConteúdo. Disciplina: INF 02810 Engenharia de Software. Monalessa Perini Barcellos
Universidade Federal do Espírito Santo Centro Tecnológico Departamento de Informática Disciplina: INF 02810 Prof.: (monalessa@inf.ufes.br) Conteúdo 1. Introdução 2. Processo de Software 3. Gerência de
Leia maisDESENVOLVIMENTO WEB DENTRO DOS PARADIGMAS DO HTML5 E CSS3
DESENVOLVIMENTO WEB DENTRO DOS PARADIGMAS DO HTML5 E CSS3 Eduardo Laguna Rubai, Tiago Piperno Bonetti Universidade Paranaense (Unipar) Paranavaí PR- Brasil eduardorubay@gmail.com, bonetti@unipar.br Resumo.
Leia maisAnalista de Sistemas S. J. Rio Preto - 2009
CERTIFICAÇÃO ITIL V3. Desde o final de maio de 2007, quando o Office of Government Commerce (OGC) do Reino Unido lançou a versão ITIL V3, houve mudanças nas certificações para os profissionais de TI. A
Leia maisInformática. Prof. Macêdo Firmino. Macêdo Firmino (IFRN) Informática Setembro de 2011 1 / 16
Informática Prof. Macêdo Firmino Representação da Informação Macêdo Firmino (IFRN) Informática Setembro de 2011 1 / 16 Introdução Estamos acostumados a pensar nos computadores como mecanismos complexos,
Leia mais