Recuperação de imagens por conteúdo utilizando Lógica Fuzzy - um estudo de caso sobre imagens faciais
|
|
- Anderson Carmona Mirandela
- 6 Há anos
- Visualizações:
Transcrição
1 Recuperação de imagens por conteúdo utilizando Lógica Fuzzy - um estudo de caso sobre imagens faciais Leila Cristina Carneiro Bergamasco; Fátima L.S. Nunes Universidade de São Paulo Escola de Artes, Ciências e Humanidades leila.cristina@usp.br; fatima.nunes@usp.br Resumo A técnica de CBIR (Content-Based Image Retrieval) consiste em recuperar imagens de um banco de dados com base na similaridade entre uma imagem modelo e as imagens armazenadas. A lógica Fuzzy tem por objetivo classificar essa similaridade considerando graus de pertinência, sendo que quanto maior o grau, maior a similaridade. O presente trabalho propõe a implementação e a análise da recuperação de imagens por conteúdo utilizando a técnica de Inteligência Artificial de lógica Fuzzy. A integração entre CBIR e lógica Fuzzy ocorrerá por meio da técnica de realimentação por relevância, na qual o usuário classifica cada imagem resultante como relevante ou não a sua busca, de modo que o algoritmo aprenda e adeque seus graus de pertinência de acordo com as especificidades do usuário. Abstract The CBIR (Content-Based Image Retrieval) technique consists in retrieve images from a database based on the similarity among stored images in a database and another image used as a model. Fuzzy Logic, aims at classify this similarity on relevance degrees, as higher the level, greater the similarity. This paper proposes the implementation and analysis of image retrieval by content using the technique of Fuzzy Logic. The integration of Fuzzy Logic and CBIR occurs through by relevance feedback technique, which the user rates each resulting image as relevant or not, in such way the algorithm 'learns' and compute its relevance degree according to the specific user.. Introdução Soluções automatizadas estão cada vez mais presentes no cotidiano das pessoas com o objetivo de facilitar e garantir resultados com grande qualidade. O reconhecimento facial é uma dessas soluções e está sendo empregado com maior frequência na sociedade, principalmente nas áreas de segurança e investigação. Por esse motivo, a otimização desse processo é estudado e vem aumentando a sua significância na medida em que se mostra eficaz nas rotinas aplicadas []. Para o processamento e busca das imagens é possível utilizar CBIR (Content Based Image Retrieval), que por meio de extratores (algoritmos que extraem características das imagens) e funções de similaridade, comparam as imagens de uma base de dados a uma imagem modelo, retornando as mais semelhantes ao modelo fornecido. Para aumentar a qualidade das respostas do sistema, é possível utilizar a lógica Fuzzy, uma técnica amplamente divulgada em Inteligência Artificial, que tem por objetivo diminuir o gap semântico entre o usuário e a lógica matemática do computador [2]. A proposta desse artigo é discutir os resultados e eficácia da aplicação da lógica Fuzzy em um sistema CBIR no contexto da rotina de reconhecimento facial. Na seção 2 são apresentados os trabalhos que serviram como base para o presente estudo, nas seções 3 e 4 são definidos os conceitos de CBIR, realimentação por relevância e lógica Fuzzy e a metodologia empregada para a conclusão do trabalho, respectivamente, e nas seções 4 e 5 os resultados obtidos são mostrados e discutidos. 2. Trabalhos correlatos Para esse estudo de caso foram analisadas técnicas principalmente de realimentação por relevância e CBIR para entender qual o estado de conhecimento de ambos os assuntos. Em [3], Torres e Falcão fazem uma revisão das principais técnicas de CBIR de cor, textura e forma, além de elucidar sobre algumas funções de similaridade utilizadas atualmente e sob quais aspectos esses quesitos são funcionais ou não. No trabalho de Marques [4] foi empregada a técnica de realimentação por relevância por meio de duas técnicas: Relevance Feedback Projection que separa as características em faixas de relevância e gera um novo valor calculado a partir de projeções sobre a faixa de objetos relevantes, e a técnica Multiple Point Projection que combina a técnica anterior ao uso de múltiplos centros de consulta. Em [5] foi utilizada a técnica de Programação Genética, conceito extraído da Inteligência Artificial para executar a realimentação por relevância nos vetores de características extraídos da imagem. 324
2 O principal objetivo desse trabalho é propor uma nova abordagem para a realimentação por relevância utilizando a lógica Fuzzy a fim de tornar a interação entre usuário e o sistema CBIR mais intuitivo. 3. Conceitos A técnica de CBIR, conhecida como reconhecimento de imagens baseada em conteúdo, tem por objetivo, a partir de uma imagem modelo, apresentar ao usuário as imagens mais relevantes que constam na base de dados. A busca pelas imagens mais relevantes ocorre por meio das funções de similaridade que são aplicadas nas imagens, gerando os vetores de características de cada uma delas. Esse vetor é composto de dados matemáticos extraídos das imagens usando-se extratores. A partir do resultado proposto, o usuário pode, por meio do sistema de CBIR, definir quais as imagens são mais relevantes no resultado da busca e quais imagens não foram relevantes, na sua concepção [3]. Os extratores são algoritmos que extraem características matemáticas que, quando transformadas em números, representam o conteúdo da imagem. Os extratores podem ser globais, recuperando características da imagem inteira, ou locais, agindo em regiões específicas da imagem. As características extraídas formam um vetor de características que define matematicamente a imagem [6]. Os extratores podem representar características diversas, sendo bastante aplicados para representar aspectos de cor, forma e textura. As funções de similaridade buscam demonstrar matematicamente o quanto uma imagem é similar a outra. Esse processo envolve a escolha de uma ou mais funções de distâncias métricas e sua aplicação nos vetores de características das imagens obtidos por meio dos extratores. A técnica de CBIR permite qualificar as respostas dadas como relevantes ou não, fazendo com que o algoritmo aprenda quais propriedades visuais são melhores para determinado contexto. Esse conceito chamado por realimentação por relevância tem dois objetivos principais: reduzir o gap semântico entre a análise visual de alto nível feita pelo usuário e a análise de baixo nível feita por meio dos extratores e funções de similaridade; e reduzir a subjetividade da percepção humana, uma vez que diferentes usuários podem ter diferentes percepções de relevância para a mesma imagem [4]. A lógica Fuzzy é uma proposta que procura atender o aspecto vago deixado pela teoria clássica dos conjuntos, em relação a informações com dados imprecisos [6]. Enquanto na teoria clássica, aqui chamada por conjuntos crisp, um elemento pertence ou não a um determinado conjunto, ou seja, tem valores ou de pertinência, nos conjuntos Fuzzy um determinado elemento pode pertencer com grau em um intervalo de a. Um sistema Fuzzy, é composto por três processos base: fuzzyficação, inferência e defuzzyficação. Tomando por base, um exemplo de um sistema de controle de temperatura, demonstrado graficamente na Figura, onde o eixo x representa a temperatura em graus Celsius e o eixo y, a pertinência de cada grau a cada uma das variáveis linguísticas {muito baixa, baixa, agradável, alta}, será explicada a função de cada etapa de um sistema Fuzzy. Figura : Sistema Fuzzy de controle de temperatura O processo de fuzzyficação consiste em transformar os valores de entrada, que são valores crisp, em valores Fuzzy [7]. No exemplo anterior, dada uma temperatura de 25 graus, é verificado o grau de pertinência em cada variável lingüística e dessa forma não é mais analisada a informação pelo seu valor matemático, mas sim como parte integrante de um dos conjuntos de variáveis. Assim 25 graus pode ser uma temperatura agradável e uma temperatura alta com grau de pertinência menor. Na inferência Fuzzy, são aplicadas as regras definidas do tipo Se <premissa> então <conclusão>. Esse processo é o mais importante de um sistema Fuzzy devido ao fato que nele a lógica Fuzzy é amplamente utilizada por meio dos operadores de implicação. Para cada dado de entrada é feita uma análise em cada regra definida e as conclusões obtidas individualmente são agrupadas para obtenção de um resultado global. No processo de defuzzyficação é implementado um algoritmo para extração de um valor crisp a partir de um conjunto de dados nebulosos. Alguns exemplos são: maior dos máximos, menor dos mínimos, média dos máximos e centróide. 4. Metodologia Para atender aos objetivos do presente trabalho e baseado na revisão bibliográfica feita, foi visto que o desenvolvimento de um sistema de reconhecimento facial seria a forma mais adequada para se avaliar a eficácia do processo, dessa forma, três módulos foram desenvolvidos: 325
3 módulo CBIR, módulo Fuzzy e o módulo de Realimentação por Relevância. A primeira etapa do módulo CBIR consistiu em escolher uma base de dados para que fosse possível extrair mais facilmente características e testar a eficiência do sistema. Foi escolhido um cenário controlado, com fotografias de rostos de homens e mulheres de diferentes raças na fase adulta. A base de dados é da Universidade de Essex [7]. No sistema foram implementados 7 extratores, contemplando as categorias de cor, forma e textura. Na Tabela é apresentado a finalidade de cada um deles. Para enriquecer a pesquisa os extratores de cor foram calculados por meio de histogramas, que dão uma visão global da imagem, e também utilizando os pixels com os seus valores individuais. Tabela : Extratores implementados Tipo Extrator Finalidade Cor Média do em Nivel de Média do Padrão do em Nivel de Padrão do do em Nível de do Obter informação sobre a tonalidade da imagem (mais clara ou mais escura) Obter informação relativa ao tom da imagem (mais clara ou mais escura) em cada canal de cor. imagem imagem, em cada canal de cor. cores Textura Média dos Nivel de Média dos RGB Padrão dos Nivel de Padrão dos RGB dos Pixels em Nível de dos Pixels Contraste Entropia Obter informação sobre a tonalidade da imagem (mais clara ou mais escura), analisando os valores dos pixels Obter informação sobre a tonalidade da imagem (mais clara ou mais escura) em cada canal de cor, analisando os valores dos pixels imagem, analisando os pixels imagem, em cada canal de cor, analisando os pixels cores, analisando os pixels cores, analisando os pixels individualmente, em cada canal de cor e analisando os pixels Determinar a variação dos pixels, que indica o seu contraste Determinar o índice de dispersão dos pixels. cores em cada canal de cor. 326
4 Forma Escala Rotação Por meio do índice de escala, comparar duas imagens e ver a diferença entre os tamanho dos rostos Encontrar os eixos de inércia da imagem para comparação. usuário escolher a imagem modelo e, em seguida as cinco mais parecidas com ela são apresentadas para avaliação. A realimentação por relevância acontece quando, a partir da nota atribuída pelo usuário, o algoritmo identifica quais imagens pode descartar e quais deve usar como referência em uma próxima busca. A interação com o usuário termina somente quando ele julga que todas as imagens candidatas atendem a sua solicitação. Na Figura 3 é apresentado o fluxograma do funcionamento do sistema de reconhecimento facial. Translação Encontrar os prolongamentos e orientações da forma do rosto. A função de similaridade implementada foi a distância Euclidiana e para as imagens de testes foram escolhidos três imagens faciais, denominadas R, R2 e R3 respectivamente, conforme mostrado na Figura 2. Figura 2: Imagens faciais utilizadas para o teste[7]. No módulo Fuzzy foram definidas as variáveis para o processo de fuzzyficação, as regras para a inferência Fuzzy e escolhido o método centróide para a extração do valor crisp do sistema, esse valor corresponde ao peso a ser ajustado de cada imagem. Cada imagem possui um peso que é ajustado a cada iteração de treinamento, de acordo com a resposta do sistema Fuzzy. O valor do peso encontrado é, então, multiplicado pela distância Euclidiana da respectiva imagem, o que implica que pesos maiores causarão um aumento substancial na distância da imagem. Esta ação levará consequentemente, em uma próxima iteração, a não retornar a imagem como sendo uma das imagens candidatas. Dessa forma, o algoritmo diminui a margem de erros causada pelo uso dos extratores puramente matemáticos e faz com que a busca por imagens candidatas fique mais refinada. Para implementar o módulo de Realimentação por Relevância foi construída uma interface que permite ao Figura 3: Fluxograma do funcionamento do sistema Para cada um dos rostos escolhidos para o teste há outras quatro imagens similares, apenas alterando a expressão facial. Elas estão em uma base de dados com outras 4 imagens de outras pessoas. O objetivo do teste foi verificar se através da realimentação por lógica Fuzzy, o sistema é capaz de selecionar as quatro imagens corretamente para cada rosto buscado. 5. Resultados Na Figura 4 é possível ver que na primeira interação, nem todas as imagens retornadas são as similares a imagem-objetivo, denominada R. Figura 4: Primeira interação da imagem R Tendo em vista que com a função Euclidiana é possível ter apenas a visão global da imagem, é de se concluir que 327
5 alguns extratores podem ter prejudicado no cálculo da função de similaridade, levando a um valor errado. Isso pode ser constatado na Tabela 2, nos extratores em negrito, que mostram a distância Euclidiana entre o rosto representado na imagem R e as cinco primeiras imagens que foram retornadas na primeira interação. Índice de Acerto Interações x Acertos R R2 R3 Tabela 2: Distância Euclidiana entre R e imagens candidatas, Nº Interações Imagens - Candidatas Extratores Média do em Nivel de,,7,6,39,36 Média do em RGB,,578,3 6,47 3,533 Padrão do em Nivel de, 2,372 2, ,372 Padrão do,,3,2,3,44 do em Nível de, 38,583 2,55 78,23 8,8 do,,, 42,88 37,992 Média dos Nivel de,,7,6,39,36 Média dos RGB, 28,93 45,328 4,39 78,834 Padrão dos Pixels em Nivel de, 7,96 35,33 4,997 7,96 Padrão dos Pixels,,3,2,3,44 dos Pixels em Nível de, 36,87 88,85 54,3 58,956 dos Pixels, 498,9 467,52 4,8 58 Contraste,,7,,6,7 Entropia,,5,5,8,5 Escala,,3,52,6,62 Rotação,,6,63,74,77 Translação,,6,4,83,44 Aplicando a realimentação por relevância por meio de notas variando de a e o processamento de ajustes de peso por meio da lógica Fuzzy, o usuário consegue minimizar o erro causado pelos extratores, refinando a sua busca. Isso pode ser constatado por meio do gráfico mostrado pela Figura 5, onde para a imagem R, houve a necessidade de sete interações para a busca das outras cinco imagens que eram similares à ela. Para a imagem R2 foram feitas interações e para a imagem R4, seis avaliações. Figura 5: Interações x Acertos Conforme o número de interações com o usuário foi aumentando, a busca se tornou mais refinada e começou a retornar resultados melhores, fazendo com que a área dos gráficos de precisão e revocação também crescessem, indicando sucesso na busca. A evolução dos resultados da imagem R estão apresentados na Figura 6, que mostra três momentos do sistema, o momento A indica a primeira interação com o usuário, o momento B a quinta interação, e o momento C a sétima e última interação. A) Precisão B) Precisão,2,2 ª Interação Precisão x Revocação,2 Revocação 5ª Interação Precisão x Revocação,2 Revocação 328
6 C) Precisão,2 7ª Interação Precisão x Revocação,2 Revocação Figura 6: Gráfico de precisão e revocação para a imagem R, representando diferentes momentos do sistema. Gráfico A) ª interação; B) 5ª interação; C) 7ª interação. Na Figura 7 é possível analisar através da interface do sistema, a evolução que houve no decorrer das interações utilizando um sistema de lógica Fuzzy. bastantes satisfatórios, e mostrou que a utilização de métodos que aproximam o usuário do processo de busca, diminuindo o gap semântico que ainda existe entre a percepção do usuário e a lógica matemática da computação é extremamente importante e que é possível que ambas trabalhem juntas e produzam resultados cada vez mais significativos. 7. Agradecimentos Ao Projeto INCT MACC (Institutos Nacionais de Ciência e Tecnologia Medicina Assistida por Computação Científica), pelo apoio financeiro. 8. Referências Bibliográficas [] MÁXIMO, A. A importância do mapeamento da criminalidade utilizando-se tecnologia de sistema de informação geográfica para auxiliar a segurança pública no combate à violência. 24. f. Dissertação (Mestrado em Engenharia de Produção e Sistemas) PPGEP, Universidade Federal de Santa Catarina, Florianópolis. cap., p. -3. [2] PEDRYCZ, W.; GOMIDE F. An introduction of Fuzzy Sets: Analysis and Design. Mit Press, 998. Figura 7: Resultado da sexta interação com R. 6. Conclusões Faz-se necessário discutir alguns pontos observados durante a implementação do sistema, o primeiro deles é sobre os extratores e funções de similaridade. Como visto anteriormente, houve extratores que prejudicaram a distância Euclidiana com valores que se diferenciavam em grande escala dos demais. No sistema foram utilizados extratores de todas as categorias (cor, textura e forma), porém há alguns estudos que apontam para a relação da eficiência de determinados extratores no contexto em que são inseridos. Nesse sentido, um aspecto a ser aprofundado é a escolha do melhor conjunto de extratores de forma a diminuir a quantidade de iterações necessárias ao processo. Outro ponto em destaque foi a função de similaridade usada. A distância Euclidiana retorna um valor global, reflexo do conjunto de todos os extratores, isso também ajudou a trazer resultados menos coerentes ao usuário. Uma vez que o extrator estava retornando resultados ruins, o valor da distância Euclidiana também piorava. Uma ideia que pode ser explorada é como a lógica Fuzzy poderia realimentar os valores de cada um dos extratores e não da distância global obtida. O uso da técnica de realimentação por relevância em conjunto com a lógica Fuzzy produziu resultados [3] TORRES, R. da S.; FALCÃO, A. X. Recuperação de Imagens Baseadas em Conteúdo. In: Workshop de Visão Computacional, 4. 28, Bauru. São Paulo: Universidade Estadual de São Paulo - UNESP, 28. [4] MARQUES, J. Realimentação de relevância para recuperação por conteúdo de imagens médicas visando diminuir a descontinuidade semântica. In: Simpósio de Teses e Dissertações,, 28. São Paulo. São Paulo: Instituto de Ciências Matemáticas e Computação, Universidade de São Paulo, 28. [5] SILVA, A. T. Recuperação de Imagens por Realimentação de Relevância. In: EADCA - Encontro dos Alunos e Docentes do Departamento de Engenharia de Computação e Automação Industrial, 2, 29, Campinas. Anais.. São Paulo: Universidade de Campinas UNICAMP, 29. [6] SANDRI, S.; CORREA, C. Lógica Nebulosa. In: Escola de Redes Neurais, , São Paulo. São Paulo: Instituto de Tecnologia e Aeronáutica ITA, 999. [7] ESSEX UNIVERSITY. Collection of Facial Images. Inglaterra, 28. Disponível em: Acessada em: Março,
Reconhecimento de cores do MSX por lógica fuzzy
Reconhecimento de cores do MSX por lógica fuzzy Resumo O objetivo deste artigo é demonstrar como é possível reconhecer, em uma imagem de 24 bits, a cor mais parecida com uma das 15 cores do MSX 1. 1- Introdução
Leia maisBusca de imagens baseada no conteúdo: Aplicação em imagens médicas
Busca de imagens baseada no conteúdo: Aplicação em imagens médicas Rafael Gessele Orientador: Prof. Dr. Mauro Marcelo Mattos Sumário Introdução Objetivos do trabalho Fundamentação teórica Desenvolvimento
Leia maisProcessamento De Imagem. Descritores de Cor
Processamento De Imagem Descritores de Cor Cores Uma das propriedades mais importantes para visão humana. Muito usada em sistemas de recuperação de imagens, CBIRs. Taxonomia Global A informação de cor
Leia maisDiego Martin Mancini Orientador: Prof. Paulo A. V. de Miranda Instituto de Matemática e Estatística Universidade de São Paulo
Estudo de comparação do descritor de imagens coloridas BIC empregando diferentes abordagens de classificação de detecção de bordas: Canny e Operador Laplaciano Diego Martin Mancini Orientador: Prof. Paulo
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia maisImplementação dos Algoritmos e Resultados
Capítulo 6 Implementação dos Algoritmos e Resultados 6.1 Considerações Iniciais Diversas situações foram exploradas neste trabalho visando analisar qual seria a wavelet mais adequada para sistemas de extração
Leia maisIdentificação de Pontos Perceptualmente Importantes (PIP) em séries temporais de tópicos extraídos de dados textuais
Universidade de São Paulo Biblioteca Digital da Produção Intelectual - BDPI Departamento de Ciências de Computação - ICMC/SCC Comunicações em Eventos - ICMC/SCC 2015 Identificação de Pontos Perceptualmente
Leia maisSistema de Inferência Fuzzy. Prof. Juan Mauricio Villanueva
Sistema de Inferência Fuzzy Prof. Juan Mauricio Villanueva jmauricio@cear.ufpb.br http://app.cear.ufpb.br/~juan/ 1 Introdução Lógica Fuzzy É uma ferramenta que permite capturar informações imprecisas,
Leia maisDescritores de Imagem (introdução)
Descritores de Imagem (introdução) André Tavares da Silva andre.silva@udesc.br Roteiro da aula Definição de descritor de imagem Extração de Característica Tipos Geral x Específico Global (cor, textura,
Leia maisO reconhecimento facial é dividido em três etapas: i) detecção da face, ii) extração de características e iii) reconhecimento da face.
ESTUDO SOBRE MÉTODOS DE RECONHECIMENTO FACIAL EM FOTOGRAFIAS DIGITAIS Ana Elisa SCHMIDT¹, Elvis Cordeiro NOGUEIRA² ¹ Orientadora e docente do IFC-Campus Camboriú; ² Aluno do curso de Bacharelado em Sistemas
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Extração de Características
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Extração de Características Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Entender os conceitos de
Leia maislnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
Leia maisRedes Neurais e Sistemas Fuzzy
1. Inteligência Computacional Redes Neurais e Sistemas Fuzzy Apresentação da disciplina Conceitos básicos A chamada Inteligência Computacional (IC) reúne uma série de abordagens e técnicas que tentam modelar
Leia maisUniversidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação. Inteligência Artificial. Lógica Fuzzy Aula II
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Lógica Fuzzy Aula II Introdução a Lógica Fuzzy Retomada Função de pertinência Variáveis linguísticas
Leia maisConsultas por Similaridade em Domínios de Dados Complexos
Consultas por Similaridade em Domínios de Dados Complexos Guilherme Felipe Zabot Orientador: Profº Dr Caetano Traina Jr Roteiro Objetivo Introdução Dados Complexos Representação de Dados Complexos Extração
Leia maisEstudo da localização de maternidades em Sergipe através de simulação Monte Carlo
Estudo da localização de maternidades em Sergipe através de simulação Monte Carlo João Batista dos Santos-Filho 1, Tatiana Santos de Araujo Batista 2, José Carlos Rodrigues Oliveira 3,Maria Letícia da
Leia maisAuto-Fusão na Recuperação de Imagens Baseadas em Conteúdo.
Auto-Fusão na Recuperação de Imagens Baseadas em Conteúdo. Severino Jr, Osvaldo IMES - FAFICA osvaldo@fafica.br Gonzaga, Adilson Escola de Engenharia de São Carlos - USP adilson@sc.usp.br Resumo Neste
Leia maisIMPLEMENTAÇÃO DE ALGORITMO PARA IDENTIFICAÇÃO DE IMPRESSÕES DIGITAIS
Anais do 12 O Encontro de Iniciação Científica e Pós-Graduação do ITA XII ENCITA / 2006 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 16 a 19 2006 IMPLEMENTAÇÃO DE ALGORITMO
Leia maisIDENTIFICAÇÃO DAS ESTRUTURAS DE TECIDOS PLANOS ATRAVÉS DA CÂMERA DE SMARTPHONE
IDENTIFICAÇÃO DAS ESTRUTURAS DE TECIDOS PLANOS ATRAVÉS DA CÂMERA DE SMARTPHONE Identificação das estruturas de tecidos planos através da câmera de smartphone Pimentel, Juliana Rangel de Morais; Me; Instituto
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisDeterminação de vícios refrativos oculares utilizando Support Vector Machines
Determinação de vícios refrativos oculares utilizando Support Vector Machines Giampaolo Luiz Libralão, André Ponce de Leon F. de Carvalho, Antonio Valerio Netto, Maria Cristina Ferreira de Oliveira Instituto
Leia maisReconhecimento das cores do MSX por Lógica Fuzzy
Reconhecimento das cores do MSX por Lógica Fuzzy Resumo O objetivo deste artigo é demonstrar como é possível reconhecer as cores nativas do MSX 1 a partir de imagens de 24 bits do PC. 1- Introdução A redução
Leia maisExtração de características utilizando filtros de Gabor aplicado a identificação de defeitos no couro bovino
Extração de características utilizando filtros de Gabor aplicado a identificação de defeitos no couro bovino André Luiz Pasquali 24 de abril de 2006 1 Antecedentes e Justificativa Atualmente o Brasil vem
Leia maisAmbiente de Data Warehouse Para Imagens Médicas Baseado Em Similaridade
Universidade de São Paulo - USP Instituto de Ciências Matemáticas e de Computação - ICMC Programa de Pós-Graduação em Ciências da Computação e Matemática Computacional Ambiente de Data Warehouse Para Imagens
Leia maisUso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística
Uso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística José Edson Rodrigues Guedes Gondim 1 Joab de Oliveira Lima 2 1 Introdução
Leia mais4 SISTEMA DE CLASSIFICAÇÃO DE UNIDADES CONSUMIDORAS DE ENERGIA ELÉTRICA
94 4 SISTEMA DE CLASSIFICAÇÃO DE UNIDADES CONSUMIDORAS DE ENERGIA ELÉTRICA 4.1 INTRODUÇÃO Conforme dito no capítulo 1, a diminuição das perdas técnicas e comerciais é uma das principais prioridades das
Leia maisImplementação de controlador PID fuzzy para otimização do controle de posição de um servomotor DC
Implementação de controlador PID fuzzy para otimização do controle de posição de um servomotor DC Ederson Costa dos Santos 1, Leandro Barjonas da Cruz Rodrigues 1, André Maurício Damasceno Ferreira 2 1
Leia maisImplementação de uma Ferramenta para Recuperação de Imagens Mamográficas Baseada em Conteúdo
Implementação de uma Ferramenta para Recuperação de Imagens Mamográficas Baseada em Conteúdo Ana Paula O. Santos, Fátima L. S. Nunes, Márcio E. Delamaro Centro Universitário Eurípides de Marília UNIVEM
Leia maisRecuperação de Imagens 2D Utilizando Técnicas de Inteligência Artificial
SCIENTIA 14(1) (2003) 83-96 Recuperação de Imagens 2D Utilizando Técnicas de Inteligência Artificial Túlio C. Bender, Fernando Santos Osório Universidade do Vale do Rio dos Sinos Unisinos Programa Interdisciplinar
Leia maisLAB3 Controle nebuloso (VERSÃO PROVISÓRIA)
LAB3 Controle nebuloso (VERSÃO PROVISÓRIA) 3.1 Objetivo Esta experiência tem por objetivo a familiarição com a técnica de Controle Nebuloso (Fuzzy Control, em inglês). Para isso será contruído um controlador
Leia maisConteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier
Conteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier Sistemas fuzzy A inferência fuzzy é um paradigma computacional baseado na Teoria de conjuntos fuzzy, regras de inferência
Leia mais3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução
3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução Como já mencionado na seção 1.1, as SVMs geram, da mesma forma que redes neurais (RN), um "modelo caixa preta" de
Leia maisProcessamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
Leia mais1 RESUMO. Palavras-chave: Controle, encoders, motor CC. 2 INTRODUÇÃO
1 RESUMO Na sociedade moderna se tornou cada vez mais presente e necessário meios de controlar dispositivos levando em consideração precisões maiores e perdas menores. Em diversos cenários o controle de
Leia mais2COP229 Inteligência Computacional. Aula 3. Clusterização.
Aula 3 Clusterização Sumário (Clusterização) - Introdução - Aprendizado Não Supervisionado - Aprendizado Supervisionado - Introdução: Clusterização - Etapas para o processo de Clusterização - Distância
Leia maisEmparelhamento de Objectos Representados em Imagens usando Técnicas de Optimização
Emparelhamento de Objectos Representados em Imagens usando Francisco P. M. Oliveira Mestrado em Métodos Computacionais em Ciências e Engenharia Julho de 2008 Faculdade de Ciências e Faculdade de Engenharia
Leia maisVisão computacional. Juliana Patrícia Detroz Orientador: André Tavares Silva
Visão computacional Juliana Patrícia Detroz Orientador: André Tavares Silva Visão computacional Tentativa de replicar a habilidade humana da visão através da percepção e entendimento de uma imagem; Fazer
Leia mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 07 Classificação com o algoritmo knn Max Pereira Classificação com o algoritmo k-nearest Neighbors (knn) Como os filmes são categorizados em gêneros? O que
Leia maisDETECÇÃO DE CORES DE SOLUÇÕES QUÍMICAS PARA PESSOAS COM NENHUMA OU BAIXA VISÃO UTILIZANDO OPENCV
DETECÇÃO DE CORES DE SOLUÇÕES QUÍMICAS PARA PESSOAS COM NENHUMA OU BAIXA VISÃO UTILIZANDO OPENCV Autor (1) Jéssica Fernandes Alves; Orientador (4) Suzete Élida Nóbrega Correia (1) Instituto Federal de
Leia mais3 Técnicas de Previsão de Séries Temporais 3.1. Introdução
3 Técnicas de Previsão de Séries Temporais 3.1. Introdução A previsão de séries temporais é um problema prático de extrema importância, presente em diversas áreas: economia, indústria, serviços, previsão
Leia mais5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Leia mais2 Reconhecimento Facial
2 Reconhecimento Facial Em termos gerais, o reconhecimento facial é o processo pelo qual se mede o grau de similaridade entre duas imagens faciais com o proposito de identificar a um indivíduo ou de verificar
Leia maisDOCUMENTO TE CNICO. Hikvision. Tecnologia de Desembaçamento Digital. [Headline] Para liberação [12/01/2012]
Hikvision Telefone: 909.895.0400 Fax: 909.595.2788 Marketing@Hikvisionusa.com 908 Canada Court City of Industry, CA 91748 Hikvision DOCUMENTO TE CNICO [Headline] Tecnologia de Desembaçamento Digital Para
Leia maisComputaçã. Visão Geral. Sistema Gráfico. Computação Gráfica. Pixels. Sistema Gráfico e o Frame Buffer. Introdução à Computação Gráfica
Visão Geral Computaçã ção o Gráfica Introduçã ção, conceitos básicosb sicos, áreas relacionadas Introdução à Computação Gráfica Como funciona um sistema gráfico Como imagens são representadas Áreas relacionadas,
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Conceitos básicos Classificação não-supervisionada:
Leia maisInteligência Artificial Escola de Verão Laboratório Associado de Computação e Matemática Aplicada LAC.
Inteligência Artificial Escola de Verão 28 Laboratório Associado de Computação e Matemática Aplicada LAC www.lac.inpe.br/~demisio/ia_lac.html Lógica Nebulosa A Lógica Nebulosa (ou Lógica Difusa Fuzzy Logic
Leia maisVisão Computacional. Alessandro L. Koerich. Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR)
Visão Computacional Alessandro L. Koerich Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR) Análise da Imagem Análise da Imagem O algoritmo opera sobre a imagem e extrai
Leia maisAnálise Quantitativa de Tecidos em Úlceras de Perna
49 5 Análise Quantitativa de Tecidos em Úlceras de Perna A avaliação das áreas proporcionais de cada tecido interno das úlceras fornece informações importantes sobre seu estado patológico [BERRISS, 2000],
Leia maisAPLICAÇÃO DE LÓGICA FUZZY PARA AVALIAÇÃO DE CURSOS SUPERIORES COM BASE NOS CONCEITOS CPC E IGC
APLICAÇÃO DE LÓGICA FUZZY PARA AVALIAÇÃO DE CURSOS SUPERIORES COM BASE NOS CONCEITOS CPC E IGC Henrique Silva Costa henriquesilva_052@hotmail.com Rafael Furtado Seeberger rafaelseeberger@gmail.com Thiago
Leia maisExtração de características de imagens. Descritores de cor
Extração de características de imagens Descritores de cor Descritores de imagens Problema: computar, de forma eficiente, valores que descrevam uma imagem (ou parte dela) Vetores de características (feature
Leia mais4 Análise de Dados. 4.1.Procedimentos
4 Análise de Dados 4.1.Procedimentos A idéia inicial para a comparação dos dados foi separá-los em series de 28 ensaios, com a mesma concentração, para depois combinar esses ensaios em uma única série.
Leia mais5 Análise Experimental
5 Análise Experimental 5.1. Base de dados para testes Foram gravados diversos vídeos que serviram para realizar os testes realizados nesta dissertação. Cada um dos vídeos gerados para medir qualidade da
Leia maisMorfologia Matemática: algumas aplicações. Rosana Gomes Bernardo Universidade Federal Fluminense
Morfologia Matemática: algumas aplicações Rosana Gomes Bernardo Universidade Federal Fluminense Introdução Aplicações Motivadoras - Consumo de Gás Natural Roteiro - Placas de Veículos Referências - Cartografia
Leia maisImplementação de um Controlador Fuzzy para um Sistema de Controle de Nível
Implementação de um Controlador Fuzzy para um Sistema de Controle de Nível 1 IFPB. e-mail: josue.souza@cear.ufpb.br 2 IFRN. e-mail: jlopes0@gmail.com Josué da Silva Souza 1, José Soares Batista Lopes 2
Leia maisINF Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza
INF2608 - Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza Trabalho 02 Visualização de Imagens Sísmicas e Detecção Automática de Horizonte Resumo Este trabalho
Leia maisCONTEÚDO LÓGICA NEBULOSA INTRODUÇÃO INTRODUÇÃO. Lógica Procura modelar o raciocínio. Lógica. Marley Maria B.R. Vellasco
LÓGICA NEBULOSA Marley Maria B.R. Vellasco ICA: Núcleo de Pesquisa em Inteligência Computacional Aplicada PUC-Rio CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos Básicos Definição, Características
Leia maisUniversidade Federal do Rio de Janeiro. Flávio Henrique Schuindt da Silva. Estimativa de Fluxo Ótico com o método de Lukas-Kanade
Universidade Federal do Rio de Janeiro Programa de Engenharia de Sistemas e Computação Introdução ao Processamento de Imagens Flávio Henrique Schuindt da Silva Estimativa de Fluxo Ótico com o método de
Leia maisMÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
Leia maisProfª Ana Lúcia Lima Marreiros Maia Profª Fabiana Cristina Bertoni
Profª Ana Lúcia Lima Marreiros Maia Profª Fabiana Cristina Bertoni Motivação e Objetivos Etapas do Desenvolvimento de um Sistema de Recuperação de Informações (SRI): Pré-processamento; Representação; Extração
Leia maisPontifícia Universidade Católica do Rio de Janeiro. Departamento de Informática. Fundamentos de Computação Gráfica
1. Imagens sísmicas Pontifícia Universidade Católica do Rio de Janeiro Departamento de Informática Fundamentos de Computação Gráfica Aluno: Stelmo Magalhães Barros Netto Relatório do trabalho Imagens Sísmicas
Leia maisMétodo de Otsu. Leonardo Torok 1
Método de Otsu Leonardo Torok 1 1 Instituto de Computação Universidade Federal Fluminense (UFF) Av. Gal. Milton Tavares de Souza, s/nº 24.210 346 Niterói RJ Brasil ltorok@ic.uff.br Resumo. O método de
Leia maisSEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Leia maisRecuperação de Imagens 3D Baseado Conteúdo Utilizando mais de uma Imagem-consulta
Recuperação de Imagens 3D Baseado Conteúdo Utilizando mais de uma Imagem-consulta Alexandre Munhoz alex.munhoz@vivax.com.br Shermila Guerra Santa Cruz shermila@sel.eesc.usp.br Dr. Adilson Gonzaga adilson@sel.eesc.usp.br
Leia mais5 VNS com Filtro e Reconexão por Caminhos
5 VNS com Filtro e Reconexão por Caminhos A metaheurística VNS (Variable Neighborhood Search) foi proposta por Mladenović e Hansen [40] e possui como idéia básica a mudança de vizinhanças realizada da
Leia maisANÁLISE E COMPARAÇÃO DE DINÂMICAS PARA TRANSFERÊNCIAS ORBITAIS NO SISTEMA TERRA-LUA
11 ANÁLISE E COMPARAÇÃO DE DINÂMICAS PARA TRANSFERÊNCIAS ORBITAIS NO SISTEMA TERRA-LUA ANALYSIS AND COMPARISON OF DYNAMICS FOR ORBITAL TRANSFERS IN THE EARTH-MOON SYSTEM Anderson Rodrigo Barretto Teodoro
Leia maisLÓGICA FUZZY (difusa ou nebulosa) Adão de Melo Neto
LÓGICA FUZZY (difusa ou nebulosa) Adão de Melo Neto SUMÁRIO INTRODUÇÃO CONCEITO OBJETIVO PRINCÍPIO LÓGICAS: CLÁSSICA x DIFUSA CONJUNTO FUZZY GRAU DE PERTINÊNCIA FUNÇÃO DE PERTINÊNCIA MODIFICADORES TERMINOLOGIA
Leia maisRecuperação de imagens por conteúdo utilizando Lógica Fuzzy - um estudo de caso sobre imagens faciais
UNIVERSIDADE DE SÃO PAULO Escola de Artes, Ciências e Humanidades Leila Cristina Carneiro Bergamasco Recuperação de imagens por conteúdo utilizando Lógica Fuzzy - um estudo de caso sobre imagens faciais
Leia maisORIENTADOR(ES): ANTÔNIO FERNANDO BERTACHINI DE ALMEIDA P, DENILSON PAULO SOUZA DOS SANTOS
Anais do Conic-Semesp. Volume 1, 2013 - Faculdade Anhanguera de Campinas - Unidade 3. ISSN 2357-8904 TÍTULO: MODELAGEM DE TRANSFERÊNCIAS ORBITAIS NO SISTEMA TERRA-LUA CATEGORIA: EM ANDAMENTO ÁREA: ENGENHARIAS
Leia maisCONTRIBUIÇÃO DA ANÁLISE MULTIVARIADA PARA OS INDICADORES DE AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO: uma análise na área de Matemática
CONTRIBUIÇÃO DA ANÁLISE MULTIVARIADA PARA OS INDICADORES DE AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO: uma análise na área de Matemática Renata Cristina Gutierres Castanha (UNESP) regutierres@gmail.com
Leia maisRECONHECIMENTO FACIAL UTILIZANDO EIGENFACES
Universidade Federal do Rio de Janeiro Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Programa de Engenharia de Sistemas e Computação Rio de Janeiro, RJ Brasil RECONHECIMENTO
Leia maisDESENVOLVIMENTO DE UM MÓDULO DE PROGRAMAÇÃO LINEAR NO PROGRAMA OPTIMI
DESENVOLVIMENTO DE UM MÓDULO DE PROGRAMAÇÃO LINEAR NO PROGRAMA OPTIMI BIONDI C. O.¹, VIANNA S. S. V. 2, RODRIGUES M. T. M.³ 1 Universidade Estadual de Campinas, Departamento de Engenharia de Sistemas Químicos
Leia maisCOMPARAÇÃO ENTRE DIFERENTES ESTRUTURAS DE REDES NEURAIS NO PROBLEMA PRESA-PREDADOR 1
COMPARAÇÃO ENTRE DIFERENTES ESTRUTURAS DE REDES NEURAIS NO PROBLEMA PRESA-PREDADOR 1 Márcia Da Silva 2, Eldair Fabricio Dornelles 3, Rogério S. M. Martins 4, Édson L. Padoin 5. 1 Pesquisa desenvolvida
Leia maisMouseCam: aplicação de controle do mouse via câmera
MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste
Leia maisUNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba. Segmentação
UNIVERSIDADE ESTADUAL PAULISTA Campus de Sorocaba Segmentação A separação dos pixeis relativos a cada objeto, ou região, é uma etapa fundamental para o sucesso do processo de análise da imagem. Embora
Leia maisAplicação de Tags em Objetos de Sistemas de Visualização em Tempo Real
Fundamentos de Computação Gráfica Aplicação de Tags em Objetos de Sistemas de Visualização em Tempo Real Renato Deris Prado Tópicos principais 1. Introdução e Objetivos Sistemas de visualização em tempo
Leia mais6 Conclusões e Trabalhos Futuros
6 Conclusões e Trabalhos Futuros O presente trabalho tem por objetivo analisar o modelo desenvolvido por Jon Kleinberg, o HITS, bem como os seus desdobramentos existentes na literatura e, ainda, desenvolver
Leia mais3 Modelos Flex ıveis 3.1 Active Contour Model
3 Modelos Flexíveis Em Visão Computacional, uma das principais premissas é processar uma imagem com a finalidade de compreendê-la e retirar dela informações úteis. É utilizada em diversas aplicações atualmente,
Leia maisIMPLEMENTAÇÃO DE SISTEMA DE ATITUDE EM DSP
Anais do 15 O Encontro de Iniciação Científica e Pós-Graduação do ITA XV ENCITA / 2009 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 19 a 21 2009. IMPLEMENTAÇÃO DE SISTEMA
Leia mais5 Resultados, Conclusões e Trabalhos Futuros
47 5 Resultados, Conclusões e Trabalhos Futuros Este capítulo apresenta os resultados obtidos com a técnica proposta de chromaless, bem como são apresentadas as conclusões e as sugestões para trabalhos
Leia maisExtração de atributos usando o método LBP - Local Binary Pattern
Extração de atributos usando o método LBP - Local Binary Pattern Lia Nara Balta Quinta. 2 de maio de 2006 1 Antecedentes e Justificativa O Brasil possui, atualmente, um grande rebanho bovino, porém em
Leia mais[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações
[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações Dr. Sylvio Barbon Junior PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DE ALIMENTOS - UEL 2016 Assunto Aula 4 Segmentação de Imagens 2 de
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia mais4. RESULTADOS Resultados Gerais da Amostra
4. RESULTADOS 4.1. Resultados Gerais da Amostra Para a análise dos dados da pesquisa foi utilizado o método da análise conjunta. Como descrito no capítulo anterior, o método permite que sejam estimadas
Leia maisMineração de Textos na Web
Mineração de Textos na Web Luciano Antonio Digiampietri Escola de Artes Ciências e Humanidades da Universidade de São Paulo digiampietri@usp.br Resumo: Com o crescimento das informações disponíveis na
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 17 Introdução Excelentes pesquisas sobre descritores
Leia maisIDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS. André Zuconelli 1 ; Manassés Ribeiro 2
IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli 1 ; Manassés Ribeiro 2 INTRODUÇÃO As tecnologias assistivas têm a finalidade de auxiliar pessoas com deficiência a alcançar
Leia mais18º Congresso de Iniciação Científica INCORPORAÇÃO DA TAREFA DE CLASSIFICAÇÃO NA FERRAMENTA DE MINERAÇÃO DE DADOS KIRA
18º Congresso de Iniciação Científica INCORPORAÇÃO DA TAREFA DE CLASSIFICAÇÃO NA FERRAMENTA DE MINERAÇÃO DE DADOS KIRA Autor(es) MIRELA TEIXEIRA CAZZOLATO Orientador(es) MARINA TERESA PIRES VIEIRA Apoio
Leia maislnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
Leia maisPALAVRAS-CHAVE: Ortodontia, Análise Facial, Estética.
657 UMA FERRAMENTA COMPUTACIONAL PARA REALIZAÇÃO DE ANÁLISE FACIAL Raphael Silva Marques¹; Michele Fúlvia Angelo² 1. Bolsita PIBIC/CNPq, Graduando em Engenharia de Computação, Universidade Estadual de
Leia maisCLASSIFICAÇÃO DE PADRÕES EM IMAGENS UTILIZANDO DESCRITORES DE TEXTURA Pattern Classification in Images Using Descriptors of Texture
CLASSIFICAÇÃO DE PADRÕES EM IMAGENS UTILIZANDO DESCRITORES DE TEXTURA Pattern Classification in Images Using Descriptors of Texture 1 e Sandro Roberto Fernandes 2 Resumo: Nesta pesquisa foi desenvolvido
Leia maisDetalhes do método proposto e da sua implementação são descritos nas
4 Método Proposto 4.1. Descrição geral do método O objetivo do método proposto consiste em avaliar o potencial dos FERNS para detecção das características faciais, em tempo real, em uma seqüência de imagens
Leia maisDetecção e Correção Automáticas de Olhos Vermelhos
Setor de Tecnologia da Universidade Federal do Paraná Curso de Engenharia Elétrica TE 072 Processamento Digital de Sinais Detecção e Correção Automáticas de Olhos Vermelhos Trabalho elaborado pelo aluno
Leia maisLógica Fuzzy. Angelo Batista Neves Júnior Bruno Luan de Sousa Kelly de Paiva Soares
Lógica Fuzzy Angelo Batista Neves Júnior Bruno Luan de Sousa Kelly de Paiva Soares INTRODUÇÃO Introduzida em 1965 por Lofti Zadeh. Surgimento em 1930. Influência o Jan Lukasiewicz; o Max Black; o Lofti
Leia mais4 Sistema de diagnóstico de falhas em turbinas a gás
4 Sistema de diagnóstico de falhas em turbinas a gás 4.1. Introdução A construção do sistema de diagnóstico de turbinas a gás baseado em lógica fuzzy seguiu um modelo clássico de sistemas de diagnóstico
Leia maisVisão Computacional. Prof. Leandro Augusto Frata Fernandes TCC Introdução à Ciência da Computação (2012.
Visão Computacional Prof. Leandro Augusto Frata Fernandes laffernandes@ic.uff.br TCC-00.169 Introdução à Ciência da Computação (2012.1) Visão Humana Responsável por cerca de 75% de nossa percepção O ato
Leia mais7 Congresso de Pós-Graduação MODELAGEM DE BASE DE CONHECIMENTO PARA TAREFA DE CLASSIFICAÇÃO EM MINERAÇÃO DE DADOS
7 Congresso de Pós-Graduação MODELAGEM DE BASE DE CONHECIMENTO PARA TAREFA DE CLASSIFICAÇÃO EM MINERAÇÃO DE DADOS Autor(es) LIDIA MARTINS DA SILVA Orientador(es) ANA ESTELA ANTUNES DA SILVA 1. Introdução
Leia mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia maisAPLICAÇÃO DA VISÃO COMPUTACIONAL PARA SEGMENTAÇÃO DE OBJETOS EM IMAGENS CAPTURADAS POR EQUIPAMENTOS MÓVEIS.
APLICAÇÃO DA VISÃO COMPUTACIONAL PARA SEGMENTAÇÃO DE OBJETOS EM IMAGENS CAPTURADAS POR EQUIPAMENTOS MÓVEIS. João Marcelo RIBEIRO 1 Heber Rocha MOREIRA 2 Fiama F. S. do AMARAL 3 RESUMO Através da visão
Leia mais