Reconhecimento de Faces com PCA e Redes Neurais
|
|
- Samuel Sanches Belo
- 6 Há anos
- Visualizações:
Transcrição
1 Reconhecimento de Faces com Sandro Santos Andrade Programa de Pós-graduação em Mecatrônica Setembro / 2003
2 Visão Computacional Computacional Computação Computação Visual Computação Computação Gráfica Introdução Processamento Processamento de Imagens
3 Introdução Sistemas de reconhecimento de faces. Surgiram em 1972 e não evoluíram muito até os anos 90. Duas fases: Detecção: localizar em uma imagem em qual subespaço está localizada a face. Detecção de borda, detecção de movimento, snakes. Reconhecimento: mapeamento desta face para um indivíduo conhecido. PCA, redes neurais.
4 Introdução Sistemas de reconhecimento de faces Detecção Amélie Poulain Reconhecimento
5 Introdução Abordagens para reconhecimento: Processamento de imagens. Reconstrução 3D. PCA (Principal Component Analysis). Redes Neurais.
6 Principal Component Analysis (PCA) Método estatístico cujo objetivo é obter um sub-espaço de dimensão reduzida, preservando as regiões de maior variância. Sirovich e Kirby, Turk e Pentland, Aplicações: Compressão de imagens. Reconhecimento de padrões.
7 Principal Component Analysis (PCA) Suponha um conjunto S de amostras obtidas em um espaço de dimensão 2. Métricas para este conjunto: Média. Desvio padrão. Covariância (x, y) =. n i = 1 ( x i ( m x)( yi 1) y)
8 Principal Component Analysis (PCA) Matriz de Covariância: mxm C = ( ci j, ci, j = cov( Dim, i j C é quadrada e simétrica, Dim )) C = cov( x, x) cov( y, x) cov( z, x) cov( x, cov( y, cov( z, y) y) y) cov( x, z) cov( y, z) cov( z, z)
9 Auto-vetores e Auto-valores Definição: Cv = λv v são os auto-vetores e λ os auto-valores.
10 Auto-vetores e Auto-valores Propriedades dos auto-vetores: Se a matriz é quadrada de ordem m, existirão m auto-vetores. Se a matriz é simétrica, os auto-vetores serão reais. Todos os auto-vetores são ortogonais entre si. Auto-vetores escalados continuam sendo autovetores com os mesmos auto-valores. Auto-valores descrevem a representatividade do auto-vetor associado.
11 Auto-vetores e Auto-valores Exemplo:
12 PCA Método de execução: Obtenha os dados (m pontos em um espaço de dimensão x). Subtraia cada dimensão da sua média. Calcule a matriz de covariância. Calcule os auto-valores e auto-vetores. Escolha os m componentes principais. Derive o novo conjunto de dados.
13 PCA Derivando o novo conjunto de dados: φ i = s i s [ φ φ ] A = φ m t C = AA Cv = λv t S'= v' A v t realiza uma mudança de base.
14 PCA Aplicabilidade ao reconhecimento de faces. Suponha uma imagem de tamanho nxm como um ponto em um espaço de dimensão n*m. Imagens de uma mesma pessoa, com pequenas variações estarão em uma região próxima deste espaço.
15 PCA Considerações sobre desempenho: Uma imagem de dimensão 128x128 será representada por um ponto em um espaço de dimensão A matriz A será de linhas por 1 t coluna, portanto C = AA será quadrada de ordem Isto é inviável computacionalmente.
16 PCA Solução: t Ao invés de calcular C = AA calcula-se t L = A A que será quadrada de ordem M. Calcula-se os auto-vetores (v) e autovalores (µ) de L: ( A t A) v = µ v Os auto-vetores (u) de C serão: u=av A( A t A) v = Aµ v ( AA t ) Av = µ ( Av) Os auto-valores de C são os de L.
17 PCA Mudança de base (projeção):
18 PCA Reconstrução:
19 PCA Projeção no espaço reduzido:
20 PCA Reconstrução do espaço reduzido:
21 PCA Reconhecendo faces: Projete todas as faces de um indivíduo no espaço reduzido e guarde a média dos vetores-características. Repita o procedimento acima para todos os indivíduos. Projete a imagem a ser reconhecida e obtenha seu vetor-característica. O vetor-média da classe que estiver mais próximo do vetor da imagem em questão indicará para qual face será classificada.
22 PCA Vantagens: Grande redução dos dados a serem manipulados. Excelente desempenho para reconhecimento (ms). Desvantagens: A distância euclidiana como classificador nem sempre é suficiente.
23 Nova Face Vetor-característica Analisador PCA Conjunto De Faces
24 Bancos de Imagens AT&T (Olivetti): 40 pessoas.10 imagens de cada.
25 Bancos de Imagens Participações Especiais:
26 Bancos de Imagens Participações Especiais:
27 O Projeto Aspectos de implementação: Sistema Linux C++ / KDevelop QT3.0.1 Newmat1.0 Libann1.14 executar
28 Resultados Resultados PCA:
29 Resultados Resultados RNA:
30 Conclusões PCA como método para melhoria do desempenho do sistema. Pode ser colocado em produção se integrado com um algoritmo de detecção de face e instrumentos de aquisição de dados. Os autores afirmam desempenho em frame rate (30/s). 10% dos auto-vetores retêm de 80 a 90% da variância dos dados.
31 Trabalhos Futuros Implementação do algoritmo de detecção. Definição de critério para exclusão de faces não-treinadas. Integração mecatrônica. Comparação com outras abordagens. Testes com outras arquiteturas de redes neurais.
32 Referências Eigenfaces for Recognition. Turk, M. Pentland, A. Massachusetts Institute of Technology. 1991, Journal of Cognitive Neuroscience. Versão com imagens boas e fórmulas um pouco ilegíveis. [ pdf 2.1Mb ] Eigenfaces for Recognition. Turk, M. Pentland, A. Massachusetts Institute of Technology. 1991, Journal of Cognitive Neuroscience. Versão com fórmulas boas e imagens ruins. [ pdf 2.2Mb ] A Tutorial on Principal Component Analysis. Smith, L. I [ pdf 119Kb ] Face Detection: A Survey. Hjelmas, E. 2001, Computer Vision and Image Understanding, IDE Library. [ pdf 444Kb ]
33 Referências Detecção Facial: Autofaces Versus Antifaces. Costa, Guilherme H , Universidade Federal de Santa Catarina. Programa de Pós-graduação em Engenharia Elétrica [ pdf 3.6Mb ] Face recognition with eigenfaces. Zhujie; Yu, Y.L Industrial Technology, Proceedings of the IEEE International Conference on, 5-9. Page(s): [ pdf 284Kb ] Estudo de Classificadores para o Reconhecimento Automático de Faces. Thomaz, Carlos Eduardo Dissertação de Mestrado. [ pdf 769Kb ]
34 Referências FIM
RECONHECIMENTO 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 maisE-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces
E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces Éder Augusto Penharbel, Erdiane L. G. Wutzke, Murilo dos S. Silva, Reinaldo
Leia maisANÁLISE ESTATÍSTICA NO RECONHECIMENTO AUTOMÁTICO DE FACES UTILIZANDO PCA EIGENFACES
ANÁLISE ESTATÍSTICA NO RECONHECIMENTO AUTOMÁTICO DE FACES UTILIZANDO PCA EIGENFACES ISSN: 1984-3151 STATISTICAL ANALYSIS IN AUTOMATIC FACE RECOGNITION USING PCA EIGENFACES Hudson Rodrigues Saldanha de
Leia maisReconhecimento facial. uma aplicação prática do reconhecimento de padrões
Reconhecimento facial uma aplicação prática do reconhecimento de padrões Márcio Koch, junho 2014 Pauta Apresentação Visão computacional Reconhecimento de padrões Analise de Componentes Principais Reconhecimento
Leia maisSketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010])
Sketch to Photo Matching: A Feature-based Approach (Klare and Jain [2010]) Marco Antonio de A. Silva Programa de Pós-Graduação em Ciência da Computação - PPGCC Departamento de Computação - DECOM Universidade
Leia maisVISÃO COMPUTACIONAL PARA RECONHECIMENTO DE FACES APLICADO NA IDENTIFICAÇÃO E AUTENTICAÇÃO DE USUÁRIOS NA WEB. Márcio Koch
VISÃO COMPUTACIONAL PARA RECONHECIMENTO DE FACES APLICADO NA IDENTIFICAÇÃO E AUTENTICAÇÃO DE USUÁRIOS NA WEB Márcio Koch Orientador: Jacques Robert Heckmann ROTEIRO Introdução Objetivos do trabalho Fundamentação
Leia maisExtração e Comparação de Características Locais e Globais para o Reconhecimento Automático de Imagens de Faces
Extração e Comparação de Características Locais e Globais para o Reconhecimento Automático de Imagens de Faces Vagner do Amaral e Carlos Eduardo Thomaz Centro Universitário da FEI Av. Humberto de Alencar
Leia maisANÁLISE MULTILINEAR DISCRIMINANTE DE FORMAS FRONTAIS DE IMAGENS 2D DE FACE
ANÁLISE MULTILINEAR DISCRIMINANTE DE FORMAS FRONTAIS DE IMAGENS 2D DE FACE Eliana Zacchi Tenorio, Carlos Eduardo Thomaz Centro Universitário da FEI Av. Humberto de Alencar Castelo Branco, 3972 - Assunção
Leia maisReconhecimento de Faces Utilizando Análise de Componentes Principais e a Transformada Census
Reconhecimento de Faces Utilizando Análise de Componentes Principais e a Transformada Census Ícaro Ribeiro, Giovani Chiachia, Aparecido Nilceu Marana Universidade Estadual Paulista - UNESP (Campus de Bauru)
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 maisPLANO DE ENSINO e APRENDIZAGEM Álgebra Linear
UNIVERSIDADE FEDERAL DO PARÁ PLANO NACIONAL DE FORMAÇÃO DE PROFESSORES DA EDUCAÇÃO BÁSICA PARFOR CURSO DE LICENCIATURA EM MATEMÁTICA PLANO DE ENSINO e APRENDIZAGEM Álgebra Linear I IDENTIFICAÇÃO 1.1. Disciplina:
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 maisAutovalores e Autovetores
Autovalores e Autovetores Maria Luísa B. de Oliveira SME0300 Cálculo Numérico 24 de novembro de 2010 Introdução Objetivo: Dada matriz A, n n, determinar todos os vetores v que sejam paralelos a Av. Introdução
Leia maisReconhecimento facial utilizando Fisherfaces. Disciplina: Reconhecimento de padrões Professor: André Tavares da Silva Mestrando: Márcio Koch
Reconhecimento facial utilizando Fisherfaces Disciplina: Reconhecimento de padrões Professor: André Tavares da Silva Mestrando: Márcio Koch Márcio Koch, maio 2014 Pauta Apresentação Analise das Componentes
Leia maisCC-226 Aula 05 - Teoria da Decisão Bayesiana
CC-226 Aula 05 - Teoria da Decisão Bayesiana Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Classificador Bayesiano Considerando M classes C 1... C M. N observações x j. L atributos
Leia maisProvas. As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor.
Provas As notas da primeira e segunda prova já foram digitadas no Minha UFMG. Caso você não veja sua nota, entre em contato com o professor. Terceira prova. Sábado, 15/junho, 10:00-12:00 horas, ICEx. Diagonalização
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 maisUm sistema de reconhecimento facial aplicado a um ambiente virtual de aprendizagem composto por agentes pedagógicos
Um sistema de reconhecimento facial aplicado a um ambiente virtual de aprendizagem composto por agentes pedagógicos Fabio Abrantes Diniz 1, Francisco Milton Mendes Neto 2, Francisco das Chagas Lima Júnior
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 maisMétodos de Segmentação de Imagem para Análise da Marcha
Métodos de Segmentação de Imagem para Análise da Marcha Maria João M. Vasconcelos, João Manuel R. S. Tavares maria.vasconcelos@fe.up.pt, tavares@fe.up.pt 3º Congresso Nacional de Biomecânica 11-12 Fevereiro
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões PCA. Luiz Eduardo S. Oliveira, Ph.D.
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões PCA Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir os conceitos de PCA e suas aplicações
Leia maisImage Descriptors: color
Image Descriptors: color Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Image Descriptors: color 2011 1 / 29 Agenda
Leia maisUm estudo empírico de um sistema de reconhecimento facial utilizando o classificador KNN
Um estudo empírico de um sistema de reconhecimento facial utilizando o classificador KNN Fabio Abrantes Diniz 1 Thiago Reis da Silva 2 Francisco Eduardo Silva Alencar 3 Resumo: Neste artigo, apresenta-se
Leia maisRedFace: Um Sistema de Reconhecimento Facial Baseado em Técnicas de Análise de Componentes Principais e Autofaces
RedFace: Um Sistema de Reconhecimento Facial Baseado em Técnicas de Análise de Componentes Principais e Autofaces Fábio Abrantes Diniz 1 Francisco Milton Mendes Neto 1 Francisco das Chagas Lima Júnior
Leia maisRECONHECIMENTO IDENTIFICAÇÃO BASEADA EM APARÊNCIA
RECONHECIMENTO IDENTIFICAÇÃO BASEADA EM APARÊNCIA Envolve a pergunta: É esta parte da imagem uma parte do objeto X? (modelo dado, região da imagem dada) Utiliza imagens ao invés de características como
Leia maisDetecção de Faces Humanas em Imagens Coloridas Utilizando Redes Neurais Artificiais
Detecção de Faces Humanas em Imagens Coloridas Utilizando Redes Neurais Artificiais Wellington da Rocha Gouveia Universidade de São Paulo Escola de Engenharia de São Carlos Departamento de Engenharia Elétrica
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 FEDERAL DE SANTA CATARINA. Elder Dominghini Tramontin ANÁLISE E APLICAÇÃO DE RECONHECIMENTO FACIAL EM SISTEMA EMBARCADO
UNIVERSIDADE FEDERAL DE SANTA CATARINA Elder Dominghini Tramontin ANÁLISE E APLICAÇÃO DE RECONHECIMENTO FACIAL EM SISTEMA EMBARCADO Araranguá 2016 Elder Dominghini Tramontin ANÁLISE E APLICAÇÃO DE RECONHECIMENTO
Leia maisMáquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino
Máquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino Ricardo Cezar Bonfim Rodrigues 24 de abril de 2006 1 Antecedentes e Justificativa Hoje, em diversos processos industriais,
Leia maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Seção 2.1: Álgebra Linear e Matrizes Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br São José
Leia maisGUILHERME HOLSBACH COSTA DETECÇÃO FACIAL: AUTOFACES VERSUS ANTIFACES
GUILHERME HOLSBACH COSTA DETECÇÃO FACIAL: AUTOFACES VERSUS ANTIFACES FLORIANÓPOLIS 003 UNIVERSIDADE FEDERAL DE SANTA CATARINA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA DETECÇÃO FACIAL: AUTOFACES
Leia maisAutovalores e Autovetores
Algoritmos Numéricos II / Computação Científica Autovalores e Autovetores Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2016 Introdução Ideia Básica Se multiplicarmos a matriz por um autovetor encontramos
Leia mais3 Fundamentos Teóricos
3 Fundamentos Teóricos Neste capitulo são apresentados os principais algoritmos de reconhecimento facial disponíveis na literatura, alguns dos quais, como por exemplo, Probabilistic Linear Discriminant
Leia maisFace Recognition using RGB-D Images
Face Recognition using RGB-D Images Helder C. R. de Oliveira N.USP: 7122065 Polyana Nunes N.USP: 9043220 Sobre o Artigo Publication: 2013 IEEE Sixth International Conference Author(s) Goswami, G. (Índia
Leia maisParadigmas de Aprendizagem
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Paradigmas de Aprendizagem Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia mais!"$# %$'& (#) *+! *,$ -) -#.+/ &$0 $"$# 1 ' #$4!*.+5 #76$8 8'9
!"$# %$'& (#) *+! *,$ -) -#.+/ &$0 $"$# 1 ' 2 +3 2#$4!*.+5 #76$8 8'9 :?
Leia maisMaldição da dimensionalidade
EXTRAÇÃO E SELEÇÃO DE ATRIBUTOS Maldição da dimensionalidade 2 Maldição da dimensionalidade (ou Curse of dimensionality) Termo que se refere a vários fenômenos que surgem na análise de dados em espaços
Leia maisReconhecimento de faces com uma imagem de treino por pessoa em cenas com diferenças de iluminação
Reconhecimento de faces com uma imagem de treino por pessoa em cenas com diferenças de iluminação Washington Luis de Souza Ramos Instituto de Ciências Exatas e Informática Pontifícia Universidade Católica
Leia maisEXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq ( )
USP UNIVERSIDADE DE SÃO PAULO EP ESCOLA POLITÉCNICA EXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq (2000-2001) LEONARDO
Leia maisUniversidade Federal da Bahia
Universidade Federal da Bahia Instituto de Matemática Departamento de Ciência da Computação Um Sistema para Detecção de Faces Humanas Autor: Eric Jardim Orientador: Sandro S. Andrade
Leia maisAula 1 Introdução - RNA
Aula 1 Introdução - RNA Sumário 1- Conceitos Iniciais; 2- Neurônio Biológico; 3- Neurônio Artificial; 4- Funções de Ativação; 5- Comparação Neurônio Biológico e Artificial. 1- Conceitos Iniciais - Computadores
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 maisUtilizando Eigenfaces para Reconhecimento de Imagens
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,
Leia maisAUTOVALORES E AUTOVETORES: CONCEITOS E UMA APLICAÇÃO A UM SISTEMA DINÂMICO
AUTOVALORES E AUTOVETORES: CONCEITOS E UMA APLICAÇÃO A UM SISTEMA DINÂMICO Patrícia Eduarda de Lima 1, Luciane de Fátima Rodrigues de Souza 2* 1 Departamento de Exatas, Faculdades Integradas Regionais
Leia maisIntrodução à Redes Neurais. Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana
Introdução à Redes Neurais Artificiais Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Introdução Redes Neurais Artificiais (RNAs)
Leia maisModelos Pontuais de Distribuição em Visão Computacional Estudo, Desenvolvimento e Aplicação
MESTRADO EM ESTATÍSTICA APLICADA E MODELAÇÃO Modelos Pontuais de Distribuição em Visão Computacional Estudo, Desenvolvimento e Aplicação Maria João Medeiros de Vasconcelos Licenciada em Matemática Aplicada
Leia maisUniversidade Católica Dom Bosco Curso de Bacharelado em Engenharia de Computação
Universidade Católica Dom Bosco Curso de Bacharelado em Engenharia de Computação Comparação entre Técnicas de Reconhecimento de Faces para Controle de Acesso a Computadores Vinícius Assis Saueia da Silva
Leia maisClassificação Linear. André Tavares da Silva.
Classificação Linear André Tavares da Silva andre.silva@udesc.br Roteiro Introduzir os o conceito de classificação linear. LDA (Linear Discriminant Analysis) Funções Discriminantes Lineares Perceptron
Leia maisRECONHECIMENTO FACIAL 2D
RECONHECIMENTO FACIAL 2D PARA SISTEMAS DE AUTENTICAÇÃO EM DISPOSITIVOS MÓVEIS Luciano Pamplona Sobrinho Orientador: Paulo César Rodacki Gomes ROTEIRO Introdução Objetivos Fundamentação Teórica Conceitos
Leia maisPROTÓTIPO DE UM SISTEMA WEB PARA RECONHECIMENTO FACIAL UTILIZANDO A METODOLOGIA EIGENFACES
UNIVERSIDADE CANDIDO MENDES UCAM PROGRAMA DE PÓS-GRADUAÇÃO EM PESQUISA OPERACIONAL E INTELIGÊNCIA COMPUTACIONAL CURSO DE MESTRADO EM PESQUISA OPERACIONAL E INTELIGÊNCIA COMPUTACIONAL Flávio Izo PROTÓTIPO
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 maisFazendo máquinas enxergarem com OpenCV. TCHÊLINUX 2017 Felipe Aguiar Corrêa
Fazendo máquinas enxergarem com OpenCV TCHÊLINUX 2017 Felipe Aguiar Corrêa Quem é esse cara aí? UFPEL Ciência da Computação Visão Computacional Rastreamento de Pedestres Visão Computacional Sub-área da
Leia maisINTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO
INTRODUÇÃO AO PROCESSAMENTO DIGITAL DE IMAGENS SENSORIAMENTO REMOTO PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS Extração de Informações
Leia maisÁLGEBRA LINEAR. Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller
ÁLGEBRA LINEAR Valores Próprios (Autovalores) e Vetores Próprios (Autovetores) Prof. Susie C. Keller Autovalores e Autovetores de um Operador Linear Seja T:V V um operador linear. Um vetor v V, v 0, é
Leia maisSEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS
SEGMENTAÇÃO E RECONHECIMENTO DA ÍRIS Edno José Bozoli Junior¹, Osvaldo Severino Junior². 1. Universitário do curso de Ciências da Computação Rodovia Vicinal Raul Galvani nº. 831, Centro, CEP: 15.845-000
Leia mais3 Redes Neurais Artificiais
3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisCapítulo 6 Extração de Características e Reconhecimento de Padrões e Objetos. Computação Gráfica - Vol. 2 - Cap. 6
Capítulo 6 Extração de Características e Reconhecimento de Padrões e Objetos 1 Capítulo 6 6.1. Segmentação 6.2. Tipos de características 6.3. Descritores de forma 6.4. Reconhecimento de Padrões em Imagens
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 as Jornadas Politécnicas de Engenharia
4 as Jornadas Politécnicas de Engenharia Imagens de Faces: Exemplos de Metodologias e Aplicações Fernando Carvalho, João Manuel R. S. Tavares Aplicação Metodologias Modelos Conclusões Trabalho Futuro Introdução:
Leia maisUtilização da Análise de Componentes Principais na compressão de imagens digitais
ARTIGO ORIGINAL Utilização da Análise de Componentes Principais na compressão de imagens digitais Principal Component Analysis applied to digital image compression Rafael do Espírito Santo* RESUMO Objetivo:
Leia maisCompressão Auto-Adaptativas de Imagens Coloridas
Compressão Auto-Adaptativas de Imagens Coloridas José Alfredo Ferreira Costa, Adrião Duarte Dória eto. Universidade Federal do Rio Grande do orte, UFR Caixa Postal 1524 - Campus Universitário Lagoa ova
Leia maisAlgebra Linear. 1. Revisitando autovalores e autovetores. 2. Forma Diagonal e Forma de Jordan. 2.1 Autovalores distintos. 2.2 Autovalores complexos
Algebra Linear 1. Revisitando autovalores e autovetores 2. Forma Diagonal e Forma de Jordan 2.1 Autovalores distintos 2.2 Autovalores complexos 2.3 Nem todos autovalores distintos 3. Autovalores e autovetores
Leia maisVISÃO COMPUTACIONAL. Marcelo Henrique dos Santos
VISÃO COMPUTACIONAL Marcelo Henrique dos Santos marcelosantos@outlook.com São Paulo SP, Agosto/2013 INTRODUÇÃO Processamento de imagens é um processo onde a entrada do sistema é uma imagem e a saída é
Leia maisANÁLISE EIGENRETINA, PROCESSO DE IDENTIFICAÇÃO DE RETINAS
ANÁLISE EIGENREINA, PROCESSO DE IDENIFICAÇÃO DE REINAS Eloisa Marciana Kolberg heisen (UNISC) eloisamk@ibest.com.br Rubén Edgardo Panta Pazos (UNISC) rpazos@unisc.br Rolf Fredi Molz (UNISC) rolf@unisc.br
Leia maisMINISTÉRIO DA EDUCAÇÃO CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS CONSELHO DE GRADUAÇÃO
DISCIPLINA: GEOMETRIA ANALÍTICA E ÁLGEBRA VETORIAL CÓDIGO: 2DB.004 VALIDADE: Início: 01/2013 Término: Eixo: Matemática Carga Horária: Total: 75 horas/ 90 horas-aula Semanal: 06 aulas Créditos: 6 Modalidade:
Leia maisClassificação de Folhas por Tamanho e Forma Através de Descritores Geométricos e Análise dos Componentes Principais
Classificação de Folhas por Tamanho e Forma Através de Descritores Geométricos e Análise dos Componentes Principais MARCOS C. DE ANDRADE, LÚCIO C. M. PINTO Centro de Desenvolvimento da Tecnologia Nuclear
Leia maisAndré Luiz Nogueira, Junior Leal do Prado Instituto Federal de Sergipe Lagarto, Sergipe, Brasil Instituto Federal de Sergipe Aracaju, Sergipe, Brasil
UTILIZAÇÃO DA TRANSFORMADA WAVELET COMPLEXA, AGRUPAMENTO E INTEGRAL FUZZY NO RECONHECIMENTO DE FACES HUMANAS André Luiz Nogueira, Junior Leal do Prado Instituto Federal de Sergipe Lagarto, Sergipe, Brasil
Leia maisMapas Auto-Organizáveis de Kohonen SOM
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Mapas Auto-Organizáveis de Kohonen SOM Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisUtilização das transformadas wavelets na detecção de características em um sinal de ECG
Utilização das transformadas wavelets na detecção de características em um sinal de ECG Orientador: Prof. Dr. Aldo Artur Belardi Departamento: Engenharia Elétrica Candidato: Gabriel Diego Porfirio N FEI:.206.062-9
Leia maisMETODOLOGIA PARA A QUANTIZAÇÃO DE CORES PELO MÉTODO SMCb: INTRODUÇÃO E EXEMPLOS DE RESULTADOS
METODOLOGIA PARA A QUANTIZAÇÃO DE CORES PELO MÉTODO SMCb: INTRODUÇÃO E EXEMPLOS DE RESULTADOS Marcelo Zaniboni 1, Osvaldo Severino Junior 2 1: Universitário do curso de Ciência da Computação, Faculdade
Leia mais1. Entre as funções dadas abaixo, verifique quais são transformações lineares: x y z
MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO UNIVERSIDADE FEDERAL DE VIÇOSA 657- - VIÇOSA - MG BRASIL a LISTA DE EXERCÍCIOS DE MAT 8 I SEMESTRE DE Entre as funções dadas abaixo, verifique quais são transformações
Leia maisReconhecimento de Tipos de Movimento Humano baseados no método GMM.
Reconhecimento de Tipos de Movimento Humano baseados no método GMM. C.Gonçalves 1 ; L.A.Pereira; J.C.Pizolato, Jr.; A.Gonzaga. Escola de Engenharia de São Carlos-EESC-USP Av. Trab. São-Carlense, 400 CP
Leia mais. (1) Se S é o espaço vetorial gerado pelos vetores 1 e,0,1
QUESTÕES ANPEC ÁLGEBRA LINEAR QUESTÃO 0 Assinale V (verdadeiro) ou F (falso): (0) Os vetores (,, ) (,,) e (, 0,) formam uma base de,, o espaço vetorial gerado por,, e,, passa pela origem na direção de,,
Leia maisProcessamento Digital de Imagem
Processamento Digital de Imagem Transformadas Ronaldo de Freitas Zampolo Laboratório de Processamento de Sinais LaPS Instituto de Tecnologia ITEC Universidade Federal do Pará UFPA Setembro de 2009 RFZampolo
Leia maisAnálise Dinâmica de Sistemas Mecânicos e Controle
Análise Dinâmica de Sistemas Mecânicos e Controle Unidade 3 Espaço de Estados: álgebra e resolução das equações dinâmicas Prof. Thiago da Silva Castro thiago.castro@ifsudestemg.edu.br Para trabalhar no
Leia maisUNIVERSIDADE FEDERAL DO AMAZONAS FACULDADE DE TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA THIAGO AZEVEDO FALCÃO
UNIVERSIDADE FEDERAL DO AMAZONAS FACULDADE DE TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA THIAGO AZEVEDO FALCÃO COMPARAÇÃO DO DESEMPENHO DO CLASSIFICADOR DE NOVIDADES COM O CLASSIFICADOR
Leia maisREADING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING
READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING Fernanda Maria Sirlene READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING NIPS Workshop on Deep Learning and Unsupervised
Leia maisMatrizes Semelhantes e Matrizes Diagonalizáveis
Diagonalização Matrizes Semelhantes e Matrizes Diagonalizáveis Nosso objetivo neste capítulo é estudar aquelas transformações lineares de R n para as quais existe pelo menos uma base em que elas são representadas
Leia maisRoteiros e Exercícios - Álgebra Linear v1.0
Roteiros e Exercícios - Álgebra Linear v1.0 Robinson Alves Lemos 14 de janeiro de 2017 Introdução Este material é um roteiro/apoio para o curso de álgebra linear da engenharia civil na UNEMAT de Tangará
Leia maisFUNDAMENTOS DE SISTEMAS LINEARES PARTE 1
FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1 Prof. Iury V. de Bessa Departamento de Eletricidade Faculdade de Tecnologia Universidade Federal do Amazonas Revisão O que é um corpo (campo)? O que é um espaço
Leia maisPROCESSAMENTO DE IMAGENS
PROCESSAMENTO DE IMAGENS Introdução Conceitos básicos Pré-processamento Realce Classificação PROCESSAMENTO DE IMAGENS- aula de 25/5/10 Introdução Conceitos básicos Pré-processamento Realce Classificação
Leia maisReconhecimento de Imagens de Faces Humanas
Capítulo 3 Reconhecimento de Imagens de Faces Humanas 3.1 Introdução Um sistema de reconhecimento de faces é um sistema biométrico que identifica ou verifica seres humanos através de uma característica
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 maisUSO DE TÉCNICAS DE SEGMENTAÇÃO NA ANÁLISE DE IMAGENS DE TOMOGRAFIA COMPUTADORIZADA DE PULMÕES COM DPOC
USO DE TÉCNICAS DE SEGMENTAÇÃO NA ANÁLISE DE IMAGENS DE TOMOGRAFIA COMPUTADORIZADA DE PULMÕES COM DPOC 1 2 3 Fausta Joaquim Faustino, Álisson Gomes Linhares, John Hebert Da Silva Felix Resumo: O uso das
Leia maisMatrizes hermitianas e unitárias
Matrizes hermitianas e unitárias Amit Bhaya, Programa de Engenharia Elétrica COPPE/UFRJ Universidade Federal do Rio de Janeiro amit@nacad.ufrj.br http://www.nacad.ufrj.br/ amit Matrizes complexas O produto
Leia mais0 1. Assinale a alternativa verdadeira Q1. Seja A = (d) Os autovalores de A 101 são i e i. (c) Os autovalores de A 101 são 1 e 1.
Nesta prova, se V é um espaço vetorial, o vetor nulo de V será denotado por 0 V. Se u 1,...,u n forem vetores de V, o subespaço de V gerado por {u 1,...,u n } será denotado por [u 1,...,u n ]. O operador
Leia maisCSE-020 Revisão de Métodos Matemáticos para Engenharia
CSE-020 Revisão de Métodos Matemáticos para Engenharia Engenharia e Tecnologia Espaciais ETE Engenharia e Gerenciamento de Sistemas Espaciais L.F.Perondi Engenharia e Tecnologia Espaciais ETE Engenharia
Leia maisRedes Complexas Aplicadas no Reconhecimento de Faces
Redes Complexas Aplicadas no Reconhecimento de Faces Wesley Nunes Gonçalves USP - Universidade de São Paulo ICMC - Instituto de Ciências Matemáticas e Computação P.O. Box 668 - Campus da USP - 13560-970
Leia maisProcessamento de Imagens Termais Aplicado à Navegação Autônoma. Wanessa da Silva
Processamento de Imagens Termais Aplicado à Navegação Autônoma Wanessa da Silva Outubro, 2016 Introdução Roteiro Métodos Imagens Utilizadas Resultados Considerações Finais 1. Introdução 2. Métodos 4. Imagens:
Leia maisDados no R n. Dados em altas dimensões 29/03/2017
Dados no R n Dados em altas dimensões Alguns dados são apresentados como vetores em R n Alguns dados não são apresentados como vetores mas podem ser representados como vetores (e.g. Texto) Texto Dados
Leia maisRECONHECIMENTO FACIAL BASEADO EM HOG E PCA: UMA COMPARAÇÃO QUANTO À INVARIÂNCIA À ILUMINAÇÃO
RECONHECIMENTO FACIAL BASEADO EM HOG E PCA: UMA COMPARAÇÃO QUANTO À INVARIÂNCIA À ILUMINAÇÃO João Antonio Campos Panceri1, Luiz Alberto Pinto2, Flávio Garcia Pereira3, Daniel Cruz Cavalieri4, Karin Satie
Leia maisDistribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Leia maisExcel INTERMEDIÁRIO Estatística. Prof. Cassiano Isler Turma 3
Excel INTERMEDIÁRIO Prof. Cassiano Isler 2017.1 - Turma 3 s s Prof. Cassiano Isler Excel INTERMEDIÁRIO - Aula 4 2 / 29 s COSTA NETO, P. L. O.. 2. ed. São Paulo: Edgard Blücher (2002). GÓMEZ, Luis Alberto.
Leia maisJAIME GOMES DA SILVA NETO MÉTODO DE RECONHECIMENTO DE FACE BASEADO EM ESTATÍSTICAS DE ORDEM SUPERIOR
JAIME GOMES DA SILVA NETO MÉTODO DE RECONHECIMENTO DE FACE BASEADO EM ESTATÍSTICAS DE ORDEM SUPERIOR LAVRAS-MG 2016 JAIME GOMES DA SILVA NETO MÉTODO DE RECONHECIMENTO DE FACE BASEADO EM ESTATÍSTICAS DE
Leia maisCapítulo 5. Operadores Auto-adjuntos. Curso: Licenciatura em Matemática. Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo
Capítulo 5 Operadores Auto-adjuntos Curso: Licenciatura em Matemática Professor-autor: Danilo Felizardo Barboza Wilberclay Gonçalves Melo Disciplina: Álgebra Linear II Unidade II Aula 5: Operadores Auto-adjuntos
Leia maisUFAM - Engenharia Elétrica
UFAM - Engenharia Elétrica RECONHECIMENTO DE PADRÕES UTILIZANDO FILTROS DE CORRELAÇÃO COM ANÁLISE DE COMPONENTES PRINCIPAIS Waldir Sabino da Silva Júnior Monografia de Graduação apresentada à Coordenação
Leia maisMETODOLOGIAS PARA IDENTIFICAÇÃO DE FACES EM IMAGENS: INTRODUÇÃO E EXEMPLOS DE RESULTADOS
Congreso de Métodos Numéricos en Ingeniería 2005 Granada, 4 a 7 de Julio, 2005 SEMNI, España 2005 METODOLOGIAS PARA IDENTIFICAÇÃO DE FACES EM IMAGENS: INTRODUÇÃO E EXEMPLOS DE RESULTADOS Fernando Jorge
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia mais