Off-line Signature Verification Using a Mixed Segmentation
|
|
- Brenda Beltrão
- 5 Há anos
- Visualizações:
Transcrição
1 Off-line Signature Verification Using a Mixed Segmentation William C. Farias, Edson J. R. Justino, Jacques Facon, Luiz E. S. Oliveira, Robert Sabourin Pontifícia Universidade Católica do Paraná Universidade Federal do Paraná École de Technologie Supérieure jean.felsky@pucpr.br {facon, justino}@ppgia.pucpr.br lesoliveira@inf.ufpr.br robert.sabourin@etsmtl.ca Abstract This paper presents an approach for off-line signatures verification based on a mixed segmentation process. The features used were selected to meet two levels of visual perception of the human cognition and a simple computational implementation. The approach is based on a model of two classes, authorship and not authorship. It uses a dissimilarity concept. The results demonstrate the robustness of the method in determining the three basic types of forgeries, reaching an average accuracy of 93.5% 1. Introdução A verificação de assinaturas, assim como todas as demais biometrias, é um método baseado em características individuais, tendo como base o fato de que as pessoas possuem maneiras particulares de escrever ou assinar. Este método de análise biométrica possui boa aceitação por ser pouco invasivo e ter baixo custo de aquisição, além de ser aplicável em diversas situações onde as assinaturas já são utilizadas, tais como contratos, cheques bancários, entre outros. Assinar não é um processo perfeitamente preciso e, por conseguinte, apresenta variabilidades intrapessoais. Essa variabilidade pode ser mais ou menos significativa, dependendo do autor. A única certeza é que, neste domínio, quando duas assinaturas são idênticas, uma delas é considerada cópia da outra [4]. Na figura 1 é possível observar as variabilidades intrapessoais de autores entre os vários exemplares. Existem basicamente, duas abordagens computacionais em verificação de assinaturas, a chamada on-line e a off-line. Métodos de verificação on-line possuem acesso às informações grafocinéticas do autor durante o processo de escrita. Já na off-line, a aquisição das características é feita utilizando uma imagem da assinatura. Figura 1. Variabilidades intrapessoais. [4] O processo de verificação de assinaturas off-line é o que apresenta os maiores desafios. Usualmente envolvem processos de pré-tratamento complexos, pois exigem a retirada de informações desnecessárias do documento e que podem vir a interferir no desempenho do método de verificação [2]. É comum a presença de carimbos, selos e outros. Outro aspecto relevante está na incapacidade de mensurar, com relativa precisão, características grafocinéticas, tais com a pressão da caneta sobre o papel ou a velocidade imposta pelo autor durante o processo de escrita. Assim como na etapa de classificação é possível identificar recursos para a melhoria no processo de verificação como um todo, tal como o uso da combinação de classificadores [3,8], na etapa de segmentação e extração de características também o é. Este artigo apresenta uma abordagem para a verificação de assinaturas off-line, com base na combinação de distintos processos de segmentação. O processo utiliza características globais e locais de implementação computacional simples. O método proposto se baseia no uso de um classificador SVM e numa abordagem de geração de modelo independente do escritor [7].
2 2. Segmentação e extração de características Em verificação de assinaturas a segmentação e extração de características se baseiam principalmente em duas abordagens principais, a contextual e a não contextual [4]. A contextual aborda a assinatura como um texto e busca, dessa forma, segmentar a assinatura em palavras e letras, com o objetivo de identificar padrões de semelhança [2]. Já a não contextual, a assinatura é considerada um desenho produzido pelo escritor, cujas propriedades estão mais vinculadas à forma [2,6]. Esta última, mais abrangente, atende aos requisitos de análise de dois tipos de assinaturas, as cursivas e as rubricas. A segmentação e extração de características não contextuais podem ocorrer sobre duas formas [4]. A primeira se norteia pela análise da ocupação do espaço gráfico, isto é, na forma em que o escritor distribui a assinatura no espaço destinado a mesma. A segunda se dedica à análise do traçado da assinatura. Em ambos os casos podem-se usar técnicas de extração de características globais, isto é, sem o uso de segmentação [4], ou local, utilizado algum processo de segmentação, tais como uma grade ou grid [4, 10]. ela tenha vindo. Essa etapa também será descrita em detalhes na seção Extração das características O método proposto está sedimentado nas duas abordagens de segmentação e extração de características vista anteriormente, a abordagem local e a global. Para a obtenção das características locais adotou-se um processo de segmentação utilizado amplamente pela literatura [4, 2, 10]: o grid. O uso do grid favorece a obtenção de características oriundas do traçado e também do espaço gráfico em torno da assinatura. Confira na figura 2. Figura 2. Exemplo de grid usado na segmentação. 3. Método proposto O método de verificação de assinatura proposto busca atender aos três tipos básicos de falsificação [4]: A aleatória: que seria a comparação do espécime original com a de outro escritor; A simples: que seria a comparação de um espécime original com uma falsificação baseada no nome do escritor; A exercitada: que seria a comparação de um espécime original com uma falsificação produzida com base na original. O método é composto por uma etapa de prétratamento, onde a assinatura é preparada para a segmentação e extração de características. Essa etapa provê recursos de filtragem morfológicas a fim de atender à etapa de segmentação e extração de características. A etapa de segmentação e extração de características se baseia em dois dos três níveis de percepção visual humana. Essa etapa será descrita em detalhas no tópico seguinte. Por fim, encontra-se a etapa de treinamento e classificação. Essa última utiliza uma abordagem independente do escritor, isto é, o modelo gerado no processo de treinamento é capaz de identificar se uma assinatura é falsa ou não, não importando de que escritor As características utilizadas nesse trabalho foram selecionadas de forma a atender a dois dos três níveis de percepção visual cognitiva humana [11]. O primeiro tratase do nível de entrada (entry level) ou global e o segundo do nível subordinado (subordinate level) ou local. A tabela 1 mostra o conjunto de características e suas propriedades. Tabela 1. Conjunto de características segundo o nível de percepção visual cognitiva humana. Característica Densidade de Pontos Pontos de Máximo, Mínimo e Centro de Gravidade Inclinação Estrutural Inclinação Global Inclinação no Grid Segmentação pixels grid (25x25) a 30% Nível de Percepção Visual entrada - subordinado grid (10x25) - k=4 e L=14 grid (4x5) k=4 e L=14 subordinado entrada subordinado De todas as características a densidade de pontos seria a mais simples e, por conseguinte, a menos rigorosa do conjunto [4,5] no aspecto de similaridades. A densidade de pontos consiste numa simples contagem dos
3 pontos dentro de uma célula do grid. A incorporação do grid nessa característica favorece a análise do espaço gráfico. Em teste preliminares observou-se que existe uma tendência de deformação acentuada do traçado da assinatura, no decorrer do processo. Isto é, quanto mais próximo do final da escrita, maior a deformidade imposta pelo escritor. Confira na figura 3. Com a contagem de pixels e, consequentemente, a análise gradativa do grid, em testes preliminares, com as assinaturas alinhadas à esquerda, observou-se que aproximadamente em 30% do grid foi estabelecido um ponto de equilíbrio entre as taxas de rejeição das assinaturas genuínas e as taxas de aceitação das falsificações, evidenciando a região da assinatura que melhor a representa. Essa propriedade não foi observada nas outras características. CG Figura 4. Características de Pontos de Máximo, Mínimo e Centro de Gravidade. A extração da Inclinação Estrutural, já implementada com sucesso por [1,3,4,5], utiliza como método de segmentação o grid. A imagem da assinatura esqueletizada é, em cada célula, percorrida por um conjunto de elementos estruturantes que contabiliza a maior ocorrência. Na figura 5 são apresentados os elementos e um exemplo de assinatura esqueletizada. PI Aresta Figura 3. Exemplo de deformidade gradativa da assinatura e do melhor ponto de corte para a contagem de pixels (eixo x sendo o percentual da assinatura considerado e o eixo y a taxas de erros). Para os elementos de ataque e remate foram extraídos os pontos extremos mais à esquerda, mais à direita, mais acima e abaixo da assinatura. Para cada um desses pontos foram calculadas os ângulos internos e a distâncias das arestas em relação aos pontos vizinhos. Também foram calculadas as distâncias e ângulos formados em relação ao centro de gravidade (CG) da assinatura e as distâncias entre o ponto de intersecção (PI) da reta que liga os pontos mais acima com o mais abaixo e com a reta que ligam os pontos mais a esquerda com o mais a direita. Na figura 4 é possível observar os pontos extremos da assinatura, o polígono formado por estes pontos, o ponto de intersecção das restas e o centro de gravidade da assinatura. Figura 5. Conjunto de elementos estruturantes que representam os tipos de inclinação e uma imagem do esqueleto no grid.[4] A Inclinação Global é uma característica grafocinética que descreve o aspecto dinâmico do traçado e o ângulo de inclinação da escrita [12]. Esta característica foi extraída da imagem do contorno do traçado. Confira na figura 6. A imagem do contorno e percorrida, considerando-se cada pixel preto do traçado no centro do elemento estruturante retangular, figura 7. Em seguida, verificam-se os fragmentos de borda em todas as direções, partindo deste pixel central e conferindo os pixels posteriores com um operador lógico E (AND), finalizando nas extremidades do elemento estruturante apenas se houver a presença de um fragmento de borda inteiro. Ou seja, se todos os pixels vizinhos forem pretos, considera-se então o fragmento da borda e calcula-se a posição do fragmento em um vetor de
4 posições para a construção do histograma que determina a inclinação que pode ser à esquerda, à direita ou nula.,, 1 (a) Figura 6. (a) Imagem binária da assinatura, (b) contorno dos traçados. Foram selecionadas variações do elemento estruturante k = 3, 4, 5 e 10 (distância a partir do central, incluindo-o) ao longo do fragmento no qual, para cada elemento estruturante, são quantificadas as direções de inclinação. Na figura 7, para k = 5, L possui 17 direções (ângulos: 0, 11, 23, 34, 45, 56, 68, 79, 90, 102, 113, 124, 135, 146, 158, 169, 180 ), as quais também representam a dimensionalidade do vetor para essa característica. O melhor resultado obtido em experimentos preliminares, com a característica isolada foi k=4 e L=14. (b) Sendo d o número máximo de características e x o vetor de características. A dissimilaridade propicia o uso de um modelo independente do escritor. Esse modelo apresenta a vantagem de não necessitar da geração de novos modelos, quando da entrada de um novo escritor na base de escritores. O modelo de dissimilaridade, nesse contexto, revela a presença da autora, classe w 1, e não autoria, classe w 2. Para tanto, usa-se o conceito de Referência (Ref), isto é, amostras genuínas de um escritor que serão comparadas com a questionada (Q), usando um modelo de dissimilaridade independente do escritor como árbitro. Confira na figura 8. Ref 1..n Q Modelo D(Ref i=1..n,q) Autoria Não Autoria Figura 7: Exemplo de um elemento estruturante com comprimento k=5 e L=17 direções. Essa característica também foi selecionada utilizando o grid como método de segmentação. O processo de extração de características não sofreu alterações. Primeiramente foi realizada uma análise para obtenção da melhor configuração de grid. Neste caso, a resolução de 4x5 pixels para o grid foi a que apresentou o melhor desempenho, junto com k=4 e L=14. Neste caso, com a característica isolada. 3.2 Cálculo da dissimilaridade O conceito de dissimilaridade foi proposto por Cha [7] com o objetivo de transformar um problema de múltiplas classes em um problema de duas classes. A dissimilaridade é obtida através da diferença entre as características observáveis de dois objetos. Para o cálculo dessa diferença usa-se uma medida de distância. Entre outras, encontra-se a euclidiana, cityblock, chebychev, correlação e spearman [2,8]. Para esse trabalho foi selecionada a euclidiana, função 1, por ter gerados os melhores resultados em testes preliminares. Figura 8. Diagrama em bloco do Modelo de classificação. Como se pode utilizar um número de referências maior que 1, isto é, Ref 1, um método de fusão dos resultados deve ser aplicado. Esse conceito é o mesmo utilizado por um perito grafotécnico que usa um conjunto de amostras conhecidas do autor Ref na confrontação com a amostra questionada Q, a fim de determinar o padrão de variabilidade intrapessoal. Os métodos de fusão mais utilizados são o voto majoritário, a soma dos resultados e a média [4]. Neste trabalho foi usado um classificador SVM num modelo de duas classes. O valor escalar com o grau de certeza produzido pelo mesmo foi usado no método de fusão por soma, pois esse foi o que gerou o melhor resultado. 4. Análise dos resultados A base de dados usada nesse trabalho é composta de imagens de assinaturas. Sendo assinaturas genuínas oriundas de 100 escritores diferentes (40 amostras de assinaturas por escritor) e falsificações,
5 geradas a partir dos 60 primeiros escritores. Foram produzidas 10 falsificações simples (FS) e 10 falsificações exercitadas (FE) para cada escritor. As assinaturas foram coletadas numa resolução de 300 dpi e 256 níveis de cinza. Em seguida as imagens foram recortadas e gravadas em um arquivo no formato BMP, num retângulo de tamanho 3x10 cm ou 400x1.000 pixels, correspondendo à área destinada à assinatura [4]. A base de 100 escritores foi dividida em duas subbases. A primeira destinada ao processo de treinamento ou geração do modelo. A segunda, contendo as falsificações, foi utilizada somente para os testes. Cabe salientar que nenhum autor que participou do processo de treinamento foi utilizado nos testes. Outro aspecto importante é que não foram utilizadas falsificações simples e exercitadas na geração do modelo. Isto é, somente amostras de escritores distintos foram usados como falsificações aleatórias (FA). Portanto, a base de treinamento do modelo foi composta de vetores de dissimilaridades entre amostra do mesmo escritor (autoria) e vetores de dissimilaridades entre amostra de escritores diferentes (não autoria). Foram utilizadas 20 amostras de cada escritor, num total de 240 vetores de dissimilaridade das amostras genuínas e 288 das falsas aleatórias. Nos testes foram utilizados os escritores da segunda sub-base. De cada um dos 60 autores da base de teste foram separadas 7 amostras como referência (Ref) e 10 para testes, mais as falsificações, totalizando 30 amostras questionadas por escritor. As 10 amostras genuínas de teste foram usadas como verdadeiras para esse escritor e como falsas aleatória para os demais escritores. Cada amostra de assinatura questionada foi confrontado com as de referência de um determinado escritor, tendo como árbitro o modelo gerado pelo SVM. Confira na figura 7. O kernel utilizado pelo SVM foi o linear, já utilizado por outros autores [1,3,4,5]. Os resultados obtidos podem ser vistos na tabela 2. Tabela 2. Resultados da classificação. Erro I Erro II Número Acerto (%) (%) Ref (%) FA FS FE , ,25 É possível observar que o modelo responde adequadamente para as falsificação aleatória (FA) (Falsa aceitação ou Erro tipo II < 1%) e a falsa rejeição (Erro tipo I < 6%). Isto ocorre pois o modelo gerado foi treinado com falsificações aleatória. Mas mesmo com as demais falsificações, a simples e a exercitada, o modelo teve como resultado FS < 1% e FE < 20%. Os fatores que mais influenciaram no erro das falsificações exercitadas (FE) estão no uso de um modelo generalista, uma vez que não se usou um modelo por escritor e também pela falta de treinamento com outros tipos de falsificações. Mas mesmos nessas condições, os resultados se mostram promissores. Um fator importante está no número de referências utilizado, Não se verificou variações significativas no uso de um número superior a 3 referência. Isto indica que o método se mostra adequado a uma aplicação real, o uso de 3 a 4 referências seria aceitável para um processo de colheita de exemplares. A tabela 3 mostra os resultados comparativos com outros métodos que utilizaram a mesma base de dados e protocolos de testes semelhantes. Os resultados obtidos se mostraram muito próximos aos do método 2, com exceção da FA. A superioridade apresentada pelo método 2 deve-se principalmente ao modelo dependente do autor e ao número de amostra de treinamento e validação cruzada usados. Apesar dos resultados obtidos pelo método proposto serem inferiores em alguns casos, ainda é o que apresenta um modelo independente do autor, com o menor número de amostras de referências. Tabela 3. Resultados comparativos com outros trabalhoso. Número de características / Número de classificador / Modelo / Número de referências Ref 1 Bertolini [1] 2 Justino [4] 3 Método Proposto 18 características / Algoritmos genéticos e combinação de 66 classificadores SVM / Independente do Autor / 15 referências 3 características / 1 classificador HMM / Dependente do Autor / 30 referências (20 no treinamento e 10 na validação cruzada) 5 características / 7 classificadores SVM / Independente do Autor / 7 referências Ref Erro Tipo I (%) 5. Conclusão e trabalhos futuros Erro Tipo II (%) FA FS FE 11,3 3,0 4,3 6,4 3,3 1,33 1,83 5,51 8, Este artigo apresentou uma abordagem para a verificação de assinaturas off-line com base em um
6 processo misto de segmentação. As características utilizadas foram selecionadas de forma a atender a dois níveis de percepção visual cognitiva humana e apresentam simplicidade na implementação computacional. A abordagem se baseia em um modelo de duas classes, autoria e não autoria, usando o conceito de dissimilaridade. Os resultados demonstram a robustez do método na verificação dos três tipos básicos de falsificações, atingindo uma média de acerto de 93,5%. Como trabalhos futuros existem dois pontos a serem explorados. O primeiro está em investigar a inclusão de um modelo por autor, o que deve melhorar significativamente o desempenho para as falsificações exercitadas. A segunda seria manter o mesmo modelo, incluído os três tipos de falsificações na geração do mesmo. 6. Referências [1] Bertolini, D. ; Oliveira, L.S. ; Justino, E. ; Sabourin, R.. Reducing forgeries in writer-independent off-line signature verification through ensemble of classifiers. Pattern Recognition, v. 43, 2010,p ,,. [2] D. Impedovo, G. Pirlo, Automatic signature verification: the state of the art, IEEE Transactions on Systems, Man, and Cybernetics Part C 38 (5),2008, [3] Oliveira, L.S. ; Justino, E. ; Sabourin, R.; Bortolozzi, F. Combining Classifiers in the ROC-space for Off-line Signature Verification. Journal of Universal Computer Science, vol. 14, no. 2,2008, [6] Shomaker, L.; Advances in Writer Identification and Verification, Proceedings of the International Conference on Document Analysis and Recognition (ICDAR) Curitiba, Brazil, [7] Cha, S. H., Use of the Distance Measures in Handwriting Analysis, Doctor Theses. State University of New York at Buffalo, EUA, 2001,p [8] H. Baltzakis, N. Papamarkos, A new signature verification technique based on a twostage neural network classifier, Engineering Applications of Artificial Intelligence 14 (2001) [9] B. Fang, Y. Tang, Improved class statistics estimation for sparse data problems in offline signature verification, IEEE Transactions on Systems, Man and Cybernetics 35 (3),2005, [10] R. Sabourin, G. Genest, An extended-shadow-code based approach for off-line signature verification: part I evaluation of the bar mask definition, in: 12 th International Conference on Pattern Recognition, 1994, p [11] Jolicoeur, P., Gluck, M., & Kosslyn, S. M.. Pictures and names: Making the connection. Cognitive Psychology, 16, 1984, [12] Hanusiak, R. K., Oliveira, L. S., Justino, E., Sabourin, R., Writer verification using texture-based features. International Journal on Document Analysis and Recognition (Print)., v.15, 2012, p [4] E. Justino, F. Bortolozzi, R. Sabourin, Off-line signature verification using HMM for random, simple and skilled forgeries, in: 6th International Conference on Document Analysis and Recognition, 2001, pp [5] C. Santos, E. Justino, F. Bortolozzi, R. Sabourin, An offline signature verification method based on document questioned experts approach and a neural network classifier, in: 9th International Workshop on Frontiers in Handwriting Recognition, 2004, p
Base de Assinaturas AMODA
Base de Assinaturas AMODA Assinaturas na grafia latina com diferentes tamanhos de aquisição Renatha Accioly Negreiros Centro de Informática Universidade Federal de Pernambuco Recife, Brasil raaa@cin.ufpe.br
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 maisVerificação da Autenticidade de Assinaturas Manuscritas Utilizando o Comportamento Médio das Características.
Verificação da Autenticidade de Assinaturas Manuscritas Utilizando o Comportamento Médio das Características. Heber V. Nogueira¹, Arlindo R. Galvão Filho², Simone C. Martinez³, Gustavo T. Laureano 4 e
Leia maisIdentificação da Autoria de Manuscritos com Base em Atributos Genéticos e Genéricos da Escrita
Identificação da Autoria de Manuscritos com Base em Atributos Genéticos e Genéricos da Escrita Regiane K. Hanusiak 1, Edson J. R. Justino 1, Luiz S. Oliveira 2, Robert Sabourin 3 Resumo: A grafoscopia
Leia maisPatrícia Mateus Saramela 1, Aline Maria Malachini Miotto 2
25 a 28 de Outubro de 2011 ISBN 978-85-8084-055-1 ESTUDO E IMPLEMENTAÇÃO DO ALGORITIMO OTSU PARA LIMIARIZAÇÃO DE CARTAS FORENSES Patrícia Mateus Saramela 1, Aline Maria Malachini Miotto 2 RESUMO: Atualmente,
Leia maisSignature verification
Signature verification Thiago Jorge Abdo Departamento de informática Universidade Federal do Paraná Junho, 2018 Sumário 1 Introducao 2 Dificuldades 3 Offline signature verification 4 Online signature verification
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 maisUMA ABORDAGEM MISTA DE SEGMENTAÇÃO NA VERIFICAÇÃO DE ASSINATURAS Off-Line
WILLIAM CESAR FARIAS UMA ABORDAGEM MISTA DE SEGMENTAÇÃO NA VERIFICAÇÃO DE ASSINATURAS Off-Line Dissertação apresentada ao Programa de Pós- Graduação em Informática da Pontifícia Universidade Católica do
Leia maisUTILIZAÇÃO DE MORFISMO COMO CLASSIFICADOR PARA VERIFICAÇÃO DE ASSINATURAS OFF-LINE
UTILIZAÇÃO DE MORFISMO COMO CLASSIFICADOR PARA VERIFICAÇÃO DE Lucindo Albuquerque 1, Cleber Zanchettin 1, Anderson Queiroz 2 RESUMO Este estudo oferece contribuições para o problema de verificação de assinaturas
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 maisAprendizado de Máquina. Combinando Classificadores
Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizado de Máquina Combinando Classificadores David Menotti, Ph.D. web.inf.ufpr.br/menotti Introdução O uso de vários classificadores
Leia maisAplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo
Aplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo Juliana Patrícia Detroz Professor: André Tavares da Silva Universidade do Estado de Santa Catarina
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 / 18 Descritores Locais e Frameworks SIFT SURF Viola-Jones
Leia maisReconhecimento de palma de mão. Peterson Wagner Kava de Carvalho
Reconhecimento de palma de mão Peterson Wagner Kava de Carvalho 1 Sumário 1. Introdução 2. Artigo 1: Palmprint Recognition a. Pré-Processamento b. Extração de Features c. Classificação d. Resultados 3.
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 maisUtilização de Morfismo como Classificador para Verificação de Assinaturas Off-line
Utilização de Morfismo como Classificador para Verificação de Assinaturas Off-line Lucindo de Mélo, Cleber Zanchettin, Anderson Lira Queiroz, Gliner Dias Alencar Centro de Informática, Universidade Federal
Leia maisSEMINÁRIO Visão Computacional Aluno: Afonso Pinheiro
SEMINÁRIO Visão Computacional Aluno: Afonso Pinheiro Detecting Pedestrians Using Patterns of Motion and Appearance *Paul Viola *Michael J. Jones *Daniel Snow Por que detectar pedestres? http://conexaopenedo.com.br/2016/02/sistema-consegue-detectar-pedestres-em-tempo-real/
Leia maisAula 7 - Representação e Descrição de Estruturas Bi-dimensionais. Prof. Adilson Gonzaga
Aula 7 - Representação e Descrição de Estruturas Bi-dimensionais Prof. Adilson Gonzaga 1 Introdução Objetos ou Segmentos são representados como uma coleção de pixels em uma imagem. Para o reconhecimento
Leia maisReconhecimento de texturas utilizando padrão binário local e classificador knn.
Reconhecimento de texturas utilizando padrão binário local e classificador knn. Vinicius Santos Andrade 1 Resumo. Através de uma imagem é possível obter inúmeras informações. Portanto, é cada vez mais
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 maisIntrodução Trabalhos Relacionados Metodologia Resultados Considerações Finais. Aluna: Aline Dartora Orientador: Prof. Dr. Lucas Ferrari de Oliveira
Análise de Extratores de Características para a Classificação de Tecidos Pulmonares e Não-Pulmonares em Imagens de Tomografia Computadorizada de Alta Resolução Aluna: Aline Dartora Orientador: Prof. Dr.
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 maisIdentificação de Autoria de Textos através do uso de Classes Linguísticas da Língua Portuguesa
Identificação de Autoria de Textos através do uso de Classes Linguísticas da Língua Portuguesa Paulo Júnior Varela 1, Edson J. R. Justino 2, Luiz E. S. Oliveira 3 1 Universidade Tecnológica Federal do
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala 3 CCET [quinta-feira, 8:20 12:00] Atendimento
Leia maisColor Eyes Detector. Duarte Petiz. DCC/FCUP
Color Eyes Detector Duarte Petiz DCC/FCUP up201204625@fc.up.pt Resumo Este relatório descreve a implementação da aplicação desenvolvida Color Eyes Detector bem como mostra os resultados finais da execução
Leia maisVALIDAÇÃO DE ASSINATURAS UTILIZANDO UM APP MOBILE PROPOSTA DE TRABALHO DE GRADUAÇÃO
Universidade Federal de Pernambuco Graduação em Ciência da Computação Centro de Informática VALIDAÇÃO DE ASSINATURAS UTILIZANDO UM APP MOBILE PROPOSTA DE TRABALHO DE GRADUAÇÃO Aluno: Carlos Henrique Gonçalves
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 maisAnais do IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN)
VERIFICAÇÃO DE ASSINATURAS OFFLINE UTILIZANDO DYNAMIC TIME WARPING CARLOS F. S. SOUZA, CARLOS E. P. PANTOJA, FRANCISCO C. M. SOUZA Centro de Informática, Universidade Federal de Pernambuco Av. Professor
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 maisTextura. Textura 04/09/2014. Prof. Yandre Costa
UNIVERSIDADE ESTADUAL DE MARINGÁ PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO Prof. Yandre Costa - 1 Prof. Yandre Costa Prof. Yandre Costa - 2 é um importante atributo visual presente em imagens,
Leia maisTópicos Especiais em Reconhecimento de Padrões [2COP329] Mestrado em Ciência da. Sylvio Barbon Jr
Tópicos Especiais em Reconhecimento de Padrões [2COP329] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/20) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Referências
Leia maisUNIVERSIDADE ESTADUAL DE MARINGÁ PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO. Prof. Yandr re Costa - 1. Prof. Yandre Costa.
UNIVERSIDADE ESTADUAL DE MARINGÁ PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO Prof. Yandr re Costa - 1 Textura Prof. Yandre Costa Prof. Yandr re Costa - 2 Textura é um importante atributo visual
Leia maisDETECÇÃO DE LINHA DO HORIZONTE EM IMAGENS DIGITAIS HORIZON LINE DETECTION IN DIGITAL IMAGES
DETECÇÃO DE LINHA DO HORIZONTE EM IMAGENS DIGITAIS HORIZON LINE DETECTION IN DIGITAL IMAGES BEUREN, Arlete Teresinha 1 ; FACON, Jacques 2 1 UTFPR, Santa Helena, Paraná, Brasil; 2 Pontifícia Universidade
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 maisLip Recognition. Victor Mocelin
Lip Recognition Victor Mocelin Sumário 1. Introdução do problema 2. Por que usar os lábios? 3. Dificuldades 4. Artigos relacionados 5. Referências 2 Introdução do problema Entradas Credencial Imagem dos
Leia maisClassificação de Padrões por Blocos em Imagens Não Segmentadas de Tomografia Computadorizada
Classificação de Padrões por Blocos em Imagens Não Segmentadas de Tomografia Computadorizada Aline Dartora Prof. David Menotti Departamento de Informática Universidade Federal do Paraná (UFPR) 23 de outubro
Leia mais10º Congresso Interinstitucional de Iniciação Científica CIIC a 04 de agosto de 2016 Campinas, São Paulo ISBN
Um Estudo de Descritores e Classificadores para Reconhecimento de Bagas de Café Pedro Henrique Ferreira Stringhini 1 ; Thiago Teixeira Santos 2 Nº 16605 RESUMO Métodos de reconhecimento de frutos baseados
Leia maisSistema de Reconhecimento de Logotipos
Sistema de Reconhecimento de Logotipos Fellipe Duarte, Saulo T. Oliveira {duartefellipe,sto}@cos.ufrj.br Relatório Técnico, Introdução ao Processamento de Imagens Programa de Engenharia de Sistemas e Computação
Leia maisAprendizado de Máquina
Aprendizado de Máquina Introdução Luiz Eduardo S. Oliveira Universidade Federal do Paraná Departamento de Informática http://lesoliveira.net Luiz S. Oliveira (UFPR) Aprendizado de Máquina 1 / 19 Introdução
Leia maisPós-Graduação em Ciência da Computação. Verificação de Assinaturas Off-line utilizando o Coeficiente de Correlação de Pearson. Por
Pós-Graduação em Ciência da Computação Verificação de Assinaturas Off-line utilizando o Coeficiente de Correlação de Pearson Por DAVI DELGADO CLEROT Dissertação de Mestrado Profissional Universidade Federal
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 maisO Uso de Dicionário de Atributos Estilométricos na Identificação de Autoria de Textos de Língua Portuguesa
O Uso de Dicionário de Atributos Estilométricos na Identificação de Autoria de Textos de Língua Portuguesa Paulo Júnior Varela 1, Edson J. R. Justino 1, Luiz E. S. Oliveira 1 1 Pontifícia Univeridade Católica
Leia maisMecanismos de Detecção de Objetos Selective Search
Mecanismos de Detecção de Objetos Selective Search Visão Computacional Prof. Geraldo Braz Junior Contém material das notas de aula do CS131, CS229 CS231B Objetivo Como detectar instancias de objeto? 2
Leia maisUm sistema de identificação biométrica utilizando reconhecimento de íris e OpenCV
Um sistema de identificação biométrica utilizando reconhecimento de íris e OpenCV Rodrigo Mendes Garcês 1, Geraldo Braz Júnior 2 1 Laboratório de métodos de otimização e robótica Universidade Federal do
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 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 maisMétodos de Extração de Características
1. Introdução Métodos de Extração de Características A Interpretação ou entendimento de uma cena demanda o reconhecimento de seus objetos. Reconhecimento de objetos ou padrões contidos em uma cena -> é
Leia maisExtração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV Izadora Aparecida RAMOS 1,3,4 ; Servílio Souza de ASSIS 1,3,4 ; Bruno Alberto Soares OLIVEIRA
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 maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU
UNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU PLANO DE TRABALHO EM INICIAÇÃO CIENTÍFICA Desenvolvimento e aplicação de um modelo gravitacional simplificado para análise de texturas coloridas. Uberlândia 30/04/2014
Leia maisOccupancy grid based graph-slam using the distance transform, SURF features and SGD
Occupancy grid based graph-slam using the distance transform, SURF features and SGD Autores: Arturo Gil, Miguel Juliá, Óscar Reinoso Artur Segal Kaim Agenda Introdução Arquitetura Resultados Trabalho futuro
Leia maisReconhecimento Ótico de Caracteres em Placas Veiculares
Universidade Federal De Pernambuco Centro De Informática Graduação Em Engenharia Da Computação 2012.2 Reconhecimento Ótico de Caracteres em Placas Veiculares Proposta de Trabalho de Graduação Aluno Pedro
Leia maisUso de Combinação de Reservoir para Verificação de Assinaturas Manuscritas Off-line
Uso de Combinação de Reservoir para Verificação de Assinaturas Manuscritas Off-line Saulo Henrique L. de M. Nápoles, Cleber Zanchettin ¹Centro de Informática Universidade Federal de Pernambuco (UFPE) Av.
Leia maisInvestigando grids irregulares para localização outdoor em ambientes urbanos
Universidade Federal de Pernambuco Centro de Informática Curso de Engenharia da Computação Investigando grids irregulares para localização outdoor em ambientes urbanos Gustavo Pimentel Bittencourt Professor
Leia maisQuadro 15 - Resultado da extração da marca d água em formato JPEG após ataque de colagem DCT DC
109 Quadro 15 - Resultado da extração da marca d água em formato JPEG após ataque de colagem JPEG/Colagem central LSB FUSION W 110 Quadro 16 - Resultado da extração da marca d água em formato PNG após
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 maisCaracterização de Imagens via Redes Neurais Artificiais
Caracterização de Imagens via Redes Neurais Artificiais Autor: Eduardo Ferreira Ribeiro 1, Orientadora: Celia Zorzo Barcelos 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade Federal
Leia maisOrientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local
Orientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local Inês Aparecida Gasparotto Boaventura DCCE-IBILCE-UNESP Rua Cristovão Colombo, 2265 15054-000, São José do Rio Preto,
Leia maisDescritores de Imagem
Descritores de Imagem André Tavares da Silva 31 de março de 2014 1 Descritores de imagem (continuação) 1.1 Frameworks de detecção de objetos SIFT (scale-invariant features transform) (Lowe, 1999) SIFT
Leia maisReconhecimento de Gestos
Reconhecimento de Gestos Henrique Augusto Richter Tópicos em Visão Computacional Universidade Federal do Paraná Sumário Introdução Utilização Problemas Trabalhos Artigo 1 Artigo 2 Project Soli Introdução
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 maisExtração de características e classificação de assinaturas
Revista de Engenharia e Pesquisa Aplicada, Volume 2, Número 1, 2016 Extração de características e classificação de assinaturas manuscritas Features extraction and classification of handwritten signatures
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 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 maisFace Descrip+on with Local Binary Pa6erns: Applica+on to Face Recogni+on JULIANO RAMOS LUANN LUNA
Face Descrip+on with Local Binary Pa6erns: Applica+on to Face Recogni+on JULIANO RAMOS LUANN LUNA Introdução O ar%go visa criar uma abordagem para o problema de reconhecimento de face: i.e.: Dada uma face,
Leia maisClassificação Automática de Gêneros Musicais
Introdução Método Experimentos Conclusões Utilizando Métodos de Bagging e Boosting Carlos N. Silla Jr. Celso Kaestner Alessandro Koerich Pontifícia Universidade Católica do Paraná Programa de Pós-Graduação
Leia maisClassificação de Padrões Radiológicos por Blocos em Imagens Não Segmentadas de Tomografia Computadorizada
Visão Robótica Imagem Classificação de Padrões Radiológicos por Blocos em Imagens Não Segmentadas de Tomografia Computadorizada Aluna: Luiza Dri Bagesteiro Orientador: Prof. Dr. Daniel Weingaertner Co-orientador:
Leia maisProcessamento de Imagens. Texturas
Processamento de Imagens Texturas Exemplos Introdução Texturas Não existe abordagem formal Não existe definição formal São definidas qualitativamente e não há consenso quanto a sua definição quantitativa
Leia maisEDSON JOSÉ RODRIGUES JUSTINO
EDSON JOSÉ RODRIGUES JUSTINO O GRAFISMO E OS MODELOS ESCONDIDOS DE MARKOV NA VERIFICAÇÃO AUTOMÁTICA DE ASSINATURAS Curitiba 2001 EDSON JOSÉ RODRIGUES JUSTINO O GRAFISMO E OS MODELOS ESCONDIDOS DE MARKOV
Leia maisbiometria por digitação
biometria por digitação Rudolf Copi Eckelberg 29 de Junho de 2018 Apresentação para a disciplina de Visão Computacional Sumário Introdução Biometria por digitação Features Biometria por digitação em teclado
Leia maisImage Descriptors: texture
Image Descriptors: texture 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: texture 2011 1 / 28 Agenda
Leia maisObjetivos. 1. O método desenvolvido usa características de pares de pixeis para fazer estatísticas e formar
Introdução Comidas podem apresentar deformações e variações em sua forma, além de conter muitos ingredientes, nem todos visíveis; Métodos tradicionais de reconhecimento requerem a detecção de características
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU
UNIVERSIDADE FEDERAL DE UBERLÂNDIA UFU PLANO DE TRABALHO EM INICIAÇÃO CIENTÍFICA Desenvolvimento e aplicação de um modelo gravitacional simplificado para análise de formas. Uberlândia 17/05/2013 IDENTIFICAÇÃO
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 maisRECONHECIMENTO DE ÍRIS EM AMBIENTES NÃO COOPERATIVOS UTILIZANDO WAVELETS E GABOR 2D
RECONHECIMENTO DE ÍRIS EM AMBIENTES NÃO COOPERATIVOS UTILIZANDO WAVELETS E GABOR 2D Fernanda Maria Sirlene Pio SUMÁRIO 1. Introdução 2. Trabalhos relacionados 3. Metodologia 1. Segmentação 2. Normalização
Leia maisRECONHECIMENTO DE CARACTERES MANUSCRITOS JAPONESES
UNIVERSIDADE FEDERAL DE PERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA Holanda RECONHECIMENTO DE CARACTERES MANUSCRITOS JAPONESES PROPOSTA DE TRABALHO DE GRADUAÇÃO Aluno: Marconi Emanuel
Leia maisAlgoritmo CLIQUE (Clustering In QUEst)
Algoritmo CLIQUE (Clustering In QUEst) Marcelo Camacho de Souza Nº USP: 3199616 Roteiro Algoritmo CLIQUE Exemplo Prático Complexidade Computacional Vantagens e Desvantagens Autores (IBM Almaden Research
Leia maisPerson Re-Identification. Autor: Guilherme Zasyeki Machado
Person Re-Identification Autor: Guilherme Zasyeki Machado Sumário - Introdução ao problema - Visão geral ao processo de Re-Identificação - Evolução estado da arte - Datasets disponíveis - Análise estado
Leia maisRevisão Sistemática da Literatura sobre Métodos de Localização de Características
Revisão Sistemática da Literatura sobre Métodos de Localização de Características Cleice Souza 14 de maio de 2014 Roteiro Introdução Característica ou Feature Planejamento da Revisão Sistemática Condução
Leia maisREDES NEURAIS CLASSE MODULAR APLICADAS NO RECONHECIMENTO DE CARACTERES MANUSCRITOS
170 REDES NEURAIS CLASSE MODULAR APLICADAS NO RECONHECIMENTO DE CARACTERES MANUSCRITOS CLASS MODULAR NEURAL NETWORKS APPLIED IN RECOGNITION OF CHARACTER MANUSCRIPT Clariane Silva Menezes 1 ; Leandro Luiz
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 maisÍndice. Classificação de textos para o ensino de português como segunda língua. Índice. technology from seed
Classificação de textos para o ensino de português como segunda língua Pedro Santos Curto Conclusões, Contribuições e Trabalho futuro 1 2 Motivação Aplicações e escala da classificação de textos Motivação
Leia maisReconhecimento de Faces Utilizando Redes Neurais MLP
Reconhecimento de Faces Utilizando Redes Neurais MLP Autor: Adilmar Coelho Dantas 1, Orientador: Márcia Aparecida Fernandes 1 1 Programa de Pós-Graduação em Ciência da Computação Universidade Federal do
Leia maisBiometria Multimodalidade Íris + Face. Luiz Antonio Zanlorensi Junior
Biometria Multimodalidade Íris + Face Luiz Antonio Zanlorensi Junior Sumário Introdução Fusionamento Artigo 1 Seleção de características Multimodal Problemas Base de dados Artigo 2 Unimodal + Multimodal
Leia maisAula 9 Representação e Descrição. Profa. Fátima Nunes AULA 9 / 1. Profa. Fátima L. S. Nunes
Fundamentos de Processamento Gráfico Aula 9 Representação e Descrição Profa. Fátima Nunes AULA 9 / 1 Reconhecimento de padrões AULA 9 / 2 Após a segmentação dar significado aos objetos extraídos da cena.
Leia mais2.1. Construção da Pista
2 Malha de Controle Para que se possa controlar um dado sistema é necessário observar e medir suas variáveis de saída para determinar o sinal de controle, que deve ser aplicado ao sistema a cada instante.
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 14 Support Vector Machines (SVM) 2016.1 Prof. Augusto Baffa Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest
Leia maisPOLVO-IIDS: Um Sistema de Detecção de Intrusão Inteligente Baseado em Anomalias p. 1/16
POLVO-IIDS: Um Sistema de Detecção de Intrusão Inteligente Baseado em Anomalias p. 1/16 POLVO-IIDS: Um Sistema de Detecção de Intrusão Inteligente Baseado em Anomalias Paulo Manoel Mafra 1, Joni da Silva
Leia maisExtração de características: textura
Extração de características: textura Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti (ICMCUSP) Extração de características: textura
Leia mais1 Introdução Várias pesquisas têm sido realizadas no reconhecimento automático de manuscritos off-line para tornarem esses sistemas mais próximos ao c
Reconhecimento de palavras manuscritas referente ao mês do campo da data de cheques bancários brasileiros baseado nos HMMs Marisa Morita, Edouard Lethelier, Abdenaim El Yacoubi, Flávio Bortolozzi Pontifícia
Leia maisTÍTULO: IDENTIFICAÇÃO DE CARACTERES APRESENTADOS A UMA CÂMERA POR MEIO DO MOVIMENTO DOS DEDOS DA MÃO DE UM SER HUMANO
Anais do Conic-Semesp. Volume 1, 2013 - Faculdade Anhanguera de Campinas - Unidade 3. ISSN 2357-8904 TÍTULO: IDENTIFICAÇÃO DE CARACTERES APRESENTADOS A UMA CÂMERA POR MEIO DO MOVIMENTO DOS DEDOS DA MÃO
Leia maisAnálise de Técnicas de Extração de Características para o Reconhecimento de Dígitos Manuscritos
Análise de Técnicas de Extração de Características para o Reconhecimento de Dígitos Manuscritos Rafael M. O. Cruz, George D. C. Cavalcanti e Tsang Ing Ren Centro de Informática Universidade Federal de
Leia maisDEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS
DEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS * Aluno do curso Tecnologia em Sistemas de Telecomunicações da UTFPR jvrsschaid@gmail.com ** Aluno
Leia maisReconhecimento Facial 3D utilizando o Simulated Annealing com as Medidas Surface Interpenetration Measure e M-Estimator Sample Consensus
Reconhecimento Facial 3D utilizando o Simulated Annealing com as Medidas Surface Interpenetration Measure e M-Estimator Sample Consensus Dissertação de Mestrado em Informática Sídnei Augusto Drovetto Jr.
Leia maisArquiteturas Construtivas Autoassociativas para a Verificação Automática de Assinaturas
Arquiteturas Construtivas Autoassociativas para a Verificação Automática de Assinaturas Juliana Ribeiro, Germano Vasconcelos Departamento de Informática UFPE Cx Postal 7851, CEP 50.732-970, Recife-PE E-mails:
Leia maisA procura da melhor partição em Classificação Hierárquica: A abordagem SEP/COP
A procura da melhor partição em Classificação Hierárquica: A abordagem SEP/COP Lúcia Sousa Escola Superior de Tecnologia e Gestão, Instituto Politécnico de Viseu Fernanda Sousa Faculdade de Engenharia
Leia mais3 Identificação de Locutor Usando Técnicas de Múltiplos Classificadores em Sub-bandas Com Pesos Não-Uniformes
3 Identificação de Locutor Usando Técnicas de Múltiplos Classificadores em Sub-bandas Com Pesos Não-Uniformes Neste capítulo, é apresentada uma nova proposta de combinação de múltiplos classificadores
Leia maisDiagnóstico Médico de Imagem Auxiliado por Computador
Diagnóstico Médico de Imagem Auxiliado por Computador Fundamentos de Sistemas Multimídia Flávio Luiz Seixas 2005 Agenda Agenda: Sistemas CAD Telemedicina Princípios da Tomografia Computadorizada Processamento
Leia maisRegiane Kowalek Hanusiak
Regiane Kowalek Hanusiak Verificação da Autoria de Manuscritos com Base em Atributos Genéticos e Genéricos da Escrita Dissertação apresentada ao Programa de Pós- Graduação em Informática Aplicada da Pontifícia
Leia maisClassificação Hierárquica Multirrótulo Utilizando Redes Neurais Artificiais
Classificação Hierárquica Multirrótulo Utilizando Redes Neurais Artificiais Ricardo Cerri Instituto de Ciências Matemáticas e de Computação Universidade de São Paulo cerri@icmc.usp.br Roteiro Introdução
Leia mais