Spelling suggestions: "subject:"reconhecimento dde pad?es"" "subject:"reconhecimento dee pad?es""
1 |
Re-identifica??o de pessoas em imagens atrav?s de caracter?sticas descritivas de cores e gruposSalamon, Nestor Ziliotto 13 March 2015 (has links)
Submitted by Setor de Tratamento da Informa??o - BC/PUCRS (tede2@pucrs.br) on 2015-05-05T11:34:22Z
No. of bitstreams: 1
467968 - Texto Completo.pdf: 7624322 bytes, checksum: 6b31074e58ba025eed076a5514f3aa5e (MD5) / Made available in DSpace on 2015-05-05T11:34:22Z (GMT). No. of bitstreams: 1
467968 - Texto Completo.pdf: 7624322 bytes, checksum: 6b31074e58ba025eed076a5514f3aa5e (MD5)
Previous issue date: 2015-03-13 / The re-identification of people and groups in real environments is still a difficult task due to several changes in illuminance, viewpoints, image resolution and many other challenges. In this work we propose a person re-identification approach applied as a softbiometric tool. The goal is to recognize a person by combining low-level and high-level (when possible) description of him/her, such as color appearance of clothes or objects he/she is carrying on (low-level) and group belonging (high-level).The input features for each person are manually informed by a user using sample patches from any source (a gallery repository, a picture taken or a color palette selection) and semantically organized in a 2D body model. In addition, groups of two persons (both defined as 2D body models) are specified. Finally, each 2D model is then confronted with databases using a color distance based metric, extended through an adaptive threshold and, if applicable, the color signatures of both persons into the group is used to search for a group composition with such characteristics. / Re-identifica??o de pessoas e grupos de pessoas em ambientes reais ainda ? uma tarefa desafiadora: varia??es de luminosidade, ?ngulos de vis?o e resolu??o das imagens s?o, dentre outros, fatores que alavancam esta dificuldade. Este trabalho apresenta uma abordagem para re-identifica??o de pessoas focada em caracter?sticas soft-biom?tricas. O objetivo ? reconhecer uma pessoa combinando descri??es de baixo n?vel e alto n?vel (quando poss?vel), tais como cores das roupas ou acess?rios que carrega e informa??es de grupos em que se encontra, respectivamente. As caracter?sticas descritivas s?o manualmente informadas pelo usu?rio atrav?s de cores selecionadas (de um reposit?rio de imagens, de uma imagem do suspeito ou mesmo de uma paleta de cores) e organizadas em um modelo de corpo 2D. Adicionalmente, o usu?rio pode especificar grupos de duas pessoas a serem buscadas explorando tal informa??o contextual de agrupamento. Cada modelo 2D ? procurado em um banco de imagens usando medidas de dist?ncia de cores, segmentadas atrav?s de um limiar adaptativo. Por fim, e se aplic?vel, as assinaturas de cores de cada modelo 2D/pessoa s?o utilizadas para buscar forma??es de grupos com tais caracter?sticas.
|
2 |
Aprendizado neural de representa??o de conte?do para sistema de recomenda??o de filmesRassweiler Filho, Ralph Jos? 22 August 2017 (has links)
Submitted by Caroline Xavier (caroline.xavier@pucrs.br) on 2017-11-21T10:47:45Z
No. of bitstreams: 1
DIS_RALPH_JOSE_RASSWEILER_FILHO_COMPLETO.pdf: 8289974 bytes, checksum: 5b62b872ae037f0894ab766c0251a4ef (MD5) / Approved for entry into archive by Caroline Xavier (caroline.xavier@pucrs.br) on 2017-11-21T10:48:02Z (GMT) No. of bitstreams: 1
DIS_RALPH_JOSE_RASSWEILER_FILHO_COMPLETO.pdf: 8289974 bytes, checksum: 5b62b872ae037f0894ab766c0251a4ef (MD5) / Made available in DSpace on 2017-11-21T10:48:13Z (GMT). No. of bitstreams: 1
DIS_RALPH_JOSE_RASSWEILER_FILHO_COMPLETO.pdf: 8289974 bytes, checksum: 5b62b872ae037f0894ab766c0251a4ef (MD5)
Previous issue date: 2017-08-22 / Recommender systems are software used to generate personalized lists according to users
profiles. The area is new and is growing since the internet popularization having its roots in information
retrieval. Collaborative filtering is the most common approach of recommender systems used in
both academy and industry because content-based filtering has problems such as lack of semantic
information and poor content extraction techniques from items. Nowadays there are more content
available in the form of multimedia such as video, images and text. Also, there are advances in pattern
recognition though techniques like convolutional neural networks. In this work a convolutional
neural network is used to extract features from movie trailers frames to further use these features to
create a content-based recommender system with the goal of assessing whether the success of such
networks on tasks like image classification and object detection also occur in the recommendation
context. To evaluate that, the proposed method was compared with a media aesthetic detection
method, two methods of feature extraction from text using TF-IDF and the traditional user and
item collaborative filtering methods. Our results indicate that the proposed method is superior to
the other content-based methods and is competitive to the collaborative filtering methods, being
superior to the item-collaborative method regarding classification accuracy, and being superior to
all other methods regarding execution time. In conclusion, we can state that the method using
convolutional neural networks to represent items is promising for the recommender systems context. / Sistemas de recomenda??o s?o softwares cujo prop?sito ? gerar listas personalizadas, de
acordo com as prefer?ncias de usu?rios. A ?rea ? bastante recente e est? em expans?o desde a populariza??o
da internet tendo suas ra?zes em recupera??o de informa??o. Dos dois tipos tradicionais
de sistemas de recomenda??o, a filtragem colaborativa ? a mais utilizada na academia e na ind?stria
por trazer melhores resultados que o segundo tipo, a filtragem baseada em conte?do. Este ?ltimo
sofre de problemas tais como a falta de informa??o sem?ntica e a dificuldade em extrair conte?do
dos itens. Atualmente h? uma maior disponibilidade de conte?do de itens na forma de recursos multim?dia
tais como v?deos, imagens e texto. Tamb?m houve avan?os no reconhecimento de padr?es
em imagens atrav?s de t?cnicas como as redes neurais convolucionais. Neste trabalho, prop?e-se
utilizar uma rede neural convolucional como extratora de atributos dos quadros que comp?e trailers
de filmes que servem como base para um sistema de recomenda??o baseado em conte?do com o
objetivo de avaliar se o sucesso destas redes em tarefas como classifica??o de imagens e detec??o de
objetos tamb?m ocorre no contexto de recomenda??es. Para esta avalia??o, comparou-se o m?todo
proposto com um m?todo de detec??o de est?tica de m?dia, dois m?todos de extra??o de conte?do
de texto usando TF-IDF e os tradicionais m?todos colaborativos entre usu?rios e itens. Os resultados
obtidos mostram que o m?todo proposto neste trabalho ? superior aos demais m?todos baseados
em conte?do e ? competitivo com os m?todos colaborativos, superando o m?todo colaborativo entre
itens na m?trica que representa acur?cia de classifica??o e tamb?m, superando todos os outros
m?todos com rela??o ao tempo de execu??o. Concluiu-se que o m?todo que utiliza redes neurais
convolucionais para representar itens ? promissor para o contexto de sistemas de recomenda??o.
|
3 |
Identifica??o de candidatas a gal?xias interagentes no infravermelho pr?ximo a baixos redshiftsCerqueira, Stanley Miranda 26 August 2016 (has links)
Submitted by Ricardo Cedraz Duque Moliterno (ricardo.moliterno@uefs.br) on 2017-02-16T20:59:48Z
No. of bitstreams: 1
Dissertacao_stanley.pdf: 4369040 bytes, checksum: ed63301078418b326241edb9682820e8 (MD5) / Made available in DSpace on 2017-02-16T20:59:48Z (GMT). No. of bitstreams: 1
Dissertacao_stanley.pdf: 4369040 bytes, checksum: ed63301078418b326241edb9682820e8 (MD5)
Previous issue date: 2016-08-26 / Interacting peculiar galaxies are objects that still require further studies because they play an important role in the processes of the evolution of galaxies. The knowledge of its location and properties constitutes a great benefit to the astronomical community. In this dissertation, we present an automatic method for identifying and classifying images of interacting galaxies at low redshifts for the Southern Hemisphere, based on the properties of stellar and interstellar extinction distribution as well as using a pattern recognition software called ?Wndchrm? on images from the 2MASS survey, in the near infrared for the filters: J, H and KS. The training phase was made with images of known interacting galaxies from the Arp &Madore Catalogue, Categories 1 and 2. After training, a validation was performed using images of a region of the sky with 573 square degrees, obtaining a hit of, approximately, 73% in the identification of galaxies identified by visual inspection as interacting. This rate can reach up 88% considering the comparison with previous know galaxy pairs of Category 2 of Arp &Madore Catalogue. The procedure was performed for an area of about 17.836 square degrees of the Southern Hemisphere, finding at least several hundred galaxy pairs as yet uncatalogued. / As gal?xias peculiares interagentes s?o objetos que ainda carecem de maiores estudos. Elas desempenham um papel importante nos processos de forma??o e de evolu??o das gal?xias. O conhecimento de sua localiza??o e propriedades, constitui um grande benef?cio para a comunidade astron?mica. Nesta disserta??o, apresentamos um m?todo autom?tico para identificar e classificar imagens de gal?xias interagentes a baixos redshifts para o Hemisf?rio Sul. Para tal, estabelecemos crit?rios baseados na distribui??o de estrelas e extin??o interestelar, assim como de objetos identificados no Cat?logo de fontes extensas do 2MASS. Usamos um software de reconhecimento de padr?es chamado Wndchrm em imagens do grande levantamento 2MASS no infravermelho pr?ximo para os filtros: J, H e Ks. A fase de treinamento foi feita com imagens de gal?xias interagentes conhecidas, do Cat?logo de Arp&Madore, das categorias 1 e 2. Ap?s o treinamento foi realizada uma valida??o com imagens de uma regi?o do c?u de 573 graus quadrados, obtendo uma taxa de acerto de, aproximadamente 73% na identifica??o de gal?xias previamente identificadas de forma visual como interagentes. Essa taxa aumenta para, aproximadamente 88% levando em conta pares da Categoria 2 previamente identificados no Cat?logo de Arp&Madore como pertencentes ? essa categoria. Executamos, o procedimento para uma ?rea de, aproximadamente 17.836 graus quadrados do Hemisf?rio Sul, encontrando, ao menos, v?rias centenas de pares de gal?xias ainda n?o catalogados.
|
4 |
Arquitetura de indexa??o aplicada a servidores de PACS para processamento de imagensCotrim, Daniel da Silva 15 August 2007 (has links)
Made available in DSpace on 2015-04-14T14:49:14Z (GMT). No. of bitstreams: 1
418705.pdf: 3134300 bytes, checksum: eabc088b0c0c9d9dbf8f313588a9e825 (MD5)
Previous issue date: 2007-08-15 / Apesar de existirem diversas t?cnicas de processamento de imagens, estas t?cnicas n?o constumam ser aplicadas nas imagens armazenadas nos servidores PACS (Picture Archiving and Communication Systems) pela dificuldade de sua extensibilidade a ambientes de hospitalares. Este cen?rio mostra a viabilidade de construir uma nova arquitetura de indexa??o para armazenamento e recupera??o, com a capacidade de identificar a necessidade de executar determinados tipos de processamentos em imagens m?dicas com caracter?sticas espec?ficas. A cria??o de um ambiente virtual para inclus?o de diferentes tipos de processamento a serem executados diretamente nos servidores PACS, tem como objetivo estimular a aplica??o de sistemas de apoio a diagn?stico nos setores de radiologia dos hospitais. A arquitetura proposta agrega informa??es ?s imagens armazenadas no PACS em um ?ndice, que identifica as informa??es associadas a cada tipo de an?lise, estabelecendo uma rela??o entre as imagens e as diversas t?cnicas de processamento para apoio ao diagn?stico. Uma das caracter?sticas desta arquitetura est? baseada na defini??o de ontologias que representam a formaliza??o do conhecimento aplicado a cada conjunto de imagens ou estudo. Como estudo de caso, a arquitetura proposta foi desenvolvida e integrada a um servidor PACS. Nesta implementa??o, a arquitetura identifica o contexto das informa??es associadas ?s imagens e indica possibilidade de execu??o de um determinado tipo de processamento disponibilizado diretamente no servidor.
|
5 |
Reconhecimento de padr?es de falhas em motores trif?sicos utilizando redes neuraisReis, Aderson Jamier Santos 19 February 2010 (has links)
Made available in DSpace on 2014-12-17T14:55:47Z (GMT). No. of bitstreams: 1
AdersonJSR_DISSERT.pdf: 1340267 bytes, checksum: 7e5d7b1cac94782e60f91d869bb998c3 (MD5)
Previous issue date: 2010-02-19 / This work presents a diagnosis faults system (rotor, stator, and contamination) of
three-phase induction motor through equivalent circuit parameters and using techniques
patterns recognition. The technology fault diagnostics in engines are evolving and becoming
increasingly important in the field of electrical machinery. The neural networks
have the ability to classify non-linear relationships between signals through the patterns
identification of signals related. It is carried out induction motor?s simulations through
the program Matlab R
& Simulink R
, and produced some faults from modifications in
the equivalent circuit parameters. A system is implemented with multiples classifying
neural network two neural networks to receive these results and, after well-trained, to
accomplish the identification of fault?s pattern / Este trabalho apresenta um sistema de diagn?stico de falhas (rotor, estator e contamina??o)
do motor de indu??o trif?sico atrav?s dos par?metros do circuito equivalente e
utilizando t?cnicas de reconhecimento de padr?es. A tecnologia de detec??o de falhas em
motores est? evoluindo e tornando cada vez mais importante na ?rea de m?quinas el?tricas.
As redes neurais possuem a habilidade de classificar rela??es n?o lineares entre sinais
atrav?s da identifica??o de padr?es dos sinais relacionados. S?o realizados simula??es do
motor de indu??o atrav?s do programa Matlab R
& Simulink R
e produzido alguns tipos
de falhas no conjunto a partir de modifica??es nos par?metros do circuito equivalente. ?
implementado um sistema com m?ltiplos classificadores neurais para receber estes resultados
e, ap?s o treinamento, realizar a identifica??o dos padr?es de falhas
|
Page generated in 0.1319 seconds