III WVC 2007 - Iris.sel.eesc.sc.usp.br - USP

More documents

Recommendations

Info

WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.[6]PEREIRA, Aledir S., Processamento de imagensmédicas utilizando transformada de Hough. 1995. Tese(Doutorado em Física computacional) – Unicamp,Campinas – SP, 1995.[7]CINTRA R. J S., Transformada rápida de Hartley:novas fatorações e um algoritmo aritmético, 2001.Dissertação (Mestrado em Engenharia Elétrica) —Universidade Federal de Pernambuco, 2001.[8]GRIGORYAN A. M., A Novel Algorithm forComputing the 1-D Discrete Hartley Transform, IEEESignal Processing Letters, v. 11, n. 2, 2004.[9]SOUZA R. M. C. de, OLIVEIRA H. M. de, PALMAL. B. E., SOUZA M. M. C. de, TransformadasNuméricas de Hartley, SBrT 2000 - XVIII SimpósioBrasileiro de Telecomunicações, 2000.[10]TSUJI, D. H., SENNES L. U., IMAMURA R.,Câncer da Laringe, Prática Hospitalar, ano 7, n. 38,2005.[11]PENEL N., LEFEBVRE D., FOURNIER C., SARINIJ., KARA A., LEFEBVRE J., Risk Factors for WoundInfection in Head and Neck Cancer Surgery: AProspective Study, International Congress on InfectiousDisease, Buenos Aires, 2000.333
WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.Recuperação de Imagens via Semânticas de Regiões utilizando Redes NeuraisEduardo F. Ribeiro 1 , Marcos A. Batista 3 , Ilmério R. da Silva 1 , Keiji Yamanaka 4 ,Célia A. Z. Barcelos 1,21 Universidade Federal de Uberlândia, Faculdade de Ciência da Computação, Uberlândia, MG, Brasil2 Universidade Federal de Uberlândia, Faculdade de Matemática, Uberlândia, MG, Brasil3 Universidade Federal de Goiás, Departamento de Ciência da Computação, Catalão, GO, Brasil4 Universidade Federal de Uberlândia, Faculdade de Engenharia Elétrica , Uberlândia, MG, Brasilufg.eduardo@gmail.com, marcos@catalao.ufg.br, ilmerio@facom.ufu.br, keiji@ufu.br, celiazb@ufu.brResumoNeste trabalho, uma forma de caracterização erecuperação de imagens é proposta utilizando as RedesNeurais Artificiais como instrumento para daràs características de baixo nível (cor, forma e textura)uma interpretação semântica baseada em classespré-estabelecidas. Tal semântica é adquirida duranteo treinamento da rede que tem a função de caracterizarcada região da imagem como sendo pertencente àuma classe (por exemplo, rocha, água, grama, etc.). Taisclasses serão baseadas em palavras chaves que descreverãoa imagem em alto nível e que serão utilizadas para aformulação de consultas.1. IntroduçãoA revolução tecnológica possibilitou, nos últimos anos, apopularização de dispositivos de captura de imagens comocâmeras e scanners digitais. Com isso, se torna visível o aumentodo número de imagens geradas por centros militarese sociais. Tais imagens podem perder sua utilidade se nãoforem adequadamente organizadas ou se a busca dentro dosbancos de dados não for realizada de maneira eficiente. Sistemasde recuperação de imagens baseada em conteúdo podemse tornar uma ferramenta bastante útil e eficiente pararesolver esse tipo de problema. Neles, as imagens são indexadaspelos atributos, também chamados de característicasde baixo nível, diretamente derivados do seu conteúdo visualcomo cor, forma, textura ou uma combinação destespara refletir a semântica inerente às imagens e tentar representaro conteúdo intrínseco das mesmas.Mesmo depois do considerável esforço nas pesquisasrealizadas durante a última década, alguns problemas relacionadosà recuperação de imagens baseada em conteúdoainda persistem e, atualmente, ainda não existem sistemastão robustos quanto os sistemas de busca baseados emdescrição textual. A principal dificuldade éogap-semânticoentre as concepções de alto nível usadas pelos seres humanospara entender o conteúdo de uma imagem e as característicasde baixo nível usadas na visão computacional[7]. Para um computador, a extração do conteúdo semânticode uma imagem é uma tarefa árdua, pois muitos objetosque possuem o mesmo conteúdo semântico podem sertotalmente diferentes na aparência visual e muitos objetosde diferentes categorias podem ser similares em suascaracterísticas [2]. Os humanos, por outro lado, possuemmuita informação, a priori, sobre diferentes objetos que éusada para reconhecê-los, ou seja, essa informação é obtidaatravés de experiências prévias, preferências pessoais, interessese o contexto em que as imagens são apresentadas.Este tipo de conhecimento é inerentemente difícil de se reproduzirem uma aplicação de visão computacional [5].Aciência da computação está enfatizando mais fortementeuma importante transformação que busca combinara computação realizada em ciência da computação coma computação observada na natureza que nos cerca. Devidoà percepção humana ser o ponto de referência paracomparação da eficiência dos sistemas de recuperação deimagens, o desenvolvimento de um “sistema ideal” se tornabastante desafiador. Assim como a visão humana éumprocesso inteligente, capaz de extrair padrões de imagensque as caracterizem e fazer inferências e generalizaçõesatravés desses padrões associando-os a um conhecimentoprévio, acredita-se que um sistema de recuperação de imagensefetivo deva ser dotado de tais capacidades, ou seja,deva possuir mecanismos inteligentes, capazes de fazer inferênciase/ou generalizações. Deste modo os atributos deuma rede neural, tais como aprender através de exemplos,generalizações redundantes e tolerância a falhas, proporcionamfortes incentivos para o uso de redes neurais comouma escolha apropriada para uma modelagem de um sistemade recuperação baseado em semânticas de alto nível.334
Page 1 and 2:
III Workshop de VisãoComputacional
Page 3 and 4:
Instituto de Biociências, Letras e
Page 5 and 6:
WVC 2007 - III Workshop de Visão C
Page 7 and 8:
ApresentaçãoA área de Visão Com
Page 10 and 11:
Automatic Pattern Recognition of Bi
Page 12 and 13:
WVC'2007 - III Workshop de Visão C
Page 14 and 15:
Page 16:
Page 19:
Page 22 and 23:
Page 24 and 25:
Page 26 and 27:
Page 28 and 29:
Page 30 and 31:
Page 33 and 34:
Page 35 and 36:
Page 37 and 38:
Page 39 and 40:
Page 41 and 42:
Page 43 and 44:
Page 45 and 46:
Page 47 and 48:
Page 49 and 50:
Page 51 and 52:
Page 53 and 54:
Page 55 and 56:
Page 57 and 58:
Page 59 and 60:
Page 61 and 62:
Page 63 and 64:
Page 65 and 66:
Page 67 and 68:
Page 69 and 70:
Page 71 and 72:
Page 73 and 74:
Page 75 and 76:
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97 and 98:
Page 99 and 100:
Page 101 and 102:
Page 103 and 104:
Page 105 and 106:
Page 107 and 108:
Page 109 and 110:
Page 111 and 112:
Page 113 and 114:
Page 115 and 116:
Page 117 and 118:
Page 119 and 120:
Page 121 and 122:
Page 123 and 124:
Page 125 and 126:
Page 127 and 128:
Page 129 and 130:
Page 131 and 132:
Page 133 and 134:
Page 135 and 136:
Page 137 and 138:
Page 139 and 140:
Page 141 and 142:
Page 143 and 144:
Page 145 and 146:
Page 147 and 148:
Page 149 and 150:
Page 151 and 152:
Page 153 and 154:
Page 155 and 156:
Page 157 and 158:
Page 159 and 160:
Page 161 and 162:
Page 163 and 164:
Page 165 and 166:
Page 167 and 168:
Page 169 and 170:
Page 171 and 172:
Page 173 and 174:
Page 175 and 176:
Page 177 and 178:
Page 179 and 180:
Page 181 and 182:
Page 183 and 184:
Page 185 and 186:
Page 187 and 188:
Page 189 and 190:
Page 191 and 192:
Page 193 and 194:
Page 195 and 196:
Page 197 and 198:
Page 199 and 200:
Page 201 and 202:
Page 203 and 204:
Page 205 and 206:
Page 207 and 208:
Page 209 and 210:
Page 211 and 212:
Page 213 and 214:
Page 215 and 216:
Page 217 and 218:
Page 219 and 220:
Page 221 and 222:
Page 223 and 224:
Page 225 and 226:
Page 227 and 228:
Page 229 and 230:
Page 231 and 232:
Page 233 and 234:
Page 235 and 236:
Page 237 and 238:
Page 239 and 240:
Page 241 and 242:
Page 243 and 244:
Page 245 and 246:
Page 247 and 248:
Page 249 and 250:
Page 251 and 252:
Page 253 and 254:
Page 255 and 256:
Page 257 and 258:
Page 259 and 260:
Page 261 and 262:
Page 263 and 264:
Page 265 and 266:
Page 267 and 268:
Page 269 and 270:
Page 271 and 272:
Page 273 and 274:
Page 275 and 276:
Page 277 and 278:
Page 279 and 280:
Page 281 and 282:
Page 283 and 284:
Page 285 and 286:
Page 287 and 288:
Page 289 and 290:
Page 291 and 292:
Page 293 and 294: WVC'2007 - III Workshop de Visão C
Page 343: WVC'2007 - III Workshop de Visão C
Page 363: WVC'2007 - III Workshop de Visão C
show all

III WVC 2007 - Iris.sel.eesc.sc.usp.br - USP

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?