Submitted by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-09T12:54:23Z No. of bitstreams: 2 DISSERTAÇÃO Felipe Maia.pdf: 2195135 bytes, checksum: 7952e678206c40b504a671fdf4bd3ed1 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-09T12:54:23Z (GMT). No. of bitstreams: 2 DISSERTAÇÃO Felipe Maia.pdf: 2195135 bytes, checksum: 7952e678206c40b504a671fdf4bd3ed1 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012-08-28 / As sequências de números aleatórios advindas de situações reais são geralmente modeladas através de funções contínuas de densidade que associam valores de probabilidade a pontos na reta real correspondentes aos números das sequências. O agrupamento dos números aleatórios de acordo com o dígito mais significativo para algumas sequências do mundo real tem revelado um fenômeno já observado no século XIX: a chamada Lei de Benford. Esta lei afirma que as mantissas dos logaritmos desses números estão distribuídas segundo uma uniforme. Sequências tais como área da superfície de rios, população de cidades, razão de números da sequência de Fibonacci, lista de números que aparecem em documentos financeiros, valores em declarações de imposto de renda, tamanho das manchas solares, e muitas outras grandezas seguem esta lei. Esta propriedade presente em algumas grandezas tem sido útil na identificação de patologias nos dados. Neste trabalho, empregamos os métodos estatísticos mais utilizados na área para demonstrar que os qualicadores de pontos de interesse, como o detector de Harris, aplicados a imagens digitais comuns são grandezas que se conformam à Lei de Benford. O detector de Harris extrai um valor de cada pixel da imagem baseado em derivadas de segunda ordem das cores, e é utilizado para classificar os chamados pontos de interesse que, dentre as muitas aplicações, possibilita o rastreamento de objetos num vídeo e a calibração de uma câmera em Realidade Aumentada. Os experimentos com as sequências de coeficientes extraídas de um conhecido banco de imagens confirmam que os seletores de pontos de interesse se adequam à Lei de Benford: a conformidade do detector de Harris é tão significante, que concluímos que na literatura ela é a grandeza extraída de dados reais que melhor se adequa à Lei até o momento. No trabalho também discutimos o estado da arte e as limitações nas medidas de conformidade utilizadas na maioria dos ambientes aplicados.

Made available in DSpace on 2016-03-15T19:38:53Z (GMT). No. of bitstreams: 1 CLEBERSON EUGENIO FORTE.pdf: 2993506 bytes, checksum: e8e990b2681adb61a5be14b6e6282431 (MD5) Previous issue date: 2015-08-07 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In the past, the Augmented Reality (AR) required advanced technologies in special devices for interaction and visualization. Nowadays, with the emergence of the mobile devices it has become common the usage of these tools in the development of AR systems applied to various purposes, including education, using natural markers. As the quality of images captured by mobile devices has increased the number of detected feature points has increased also, which ultimately hampers, or even prevents the technique to be used in applications, which run in real time. In addition, it becomes clear the necessity of proposing methodologies to be used in the development of educational applications using AR systems in order to improve the user s experience as well as the longevity of these applications, adding elements based on educational theories. The technique presented in this work determine illumination robust feature points, in order to reduce the time required to match high-resolution images. Additionally, the research also provides a conceptual framework methodology that, based on situated learning theory, combines the educational and technological aspects related to the context of developing mobile AR applications. Based on the experiments, it is possible to say that the technique using robust feature points saves about 70% in the processing time for matching high resolution images. / No passado, a Realidade Aumentada (RA) requeria a tecnologia avançada de dispositivos especiais de interação e de visualização. Atualmente, com o surgimento de dispositivos móveis tornou-se comum o uso destas ferramentas no desenvolvimento de sistemas de RA aplicados aos mais diversos fins, dentre eles a educação, utilizando marcadores naturais. Com o aumento na qualidade das imagens captadas pelos dispositivos móveis, preocupa o fato de que, quanto melhor esta qualidade, mais pontos de interesse tendem a ser detectados para o reconhecimento dos marcadores naturais, o que, em última instância, dificulta ou mesmo impede que a técnica seja utilizada em aplicações que exijam funcionamento em tempo real. Soma-se a isto a constatação da necessidade de proposição de metodologias a serem empregadas no desenvolvimento de aplicações educacionais usando RA, visando tanto a melhoria da experiência do usuário quanto à longevidade de utilização destas aplicações, por meio da incorporação de elementos baseados em teorias educacionais. A técnica proposta neste trabalho para determinação de pontos de interesse robustos à variação de iluminação visa diminuir o tempo necessário para a correspondência entre imagens em alta definição. A pesquisa indica também uma metodologia no formato de framework conceitual, que, baseada na teoria de aprendizagem situada, correlaciona os aspectos educacionais e tecnológicos próprios ao contexto do desenvolvimento de aplicações de RA móvel. Com base nos experimentos realizados, é possível observar que a técnica que utiliza os pontos robustos, representa economia de, aproximadamente, 70% no tempo necessário para a correspondência entre imagens em alta definição.

Made available in DSpace on 2014-06-12T15:49:23Z (GMT). No. of bitstreams: 2 arquivo1180_1.pdf: 4635681 bytes, checksum: 25f1c757e25db97fb632051e3a8b9711 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Técnicas de realidade aumentada dependem da recuperação de informações da câmera virtual a cada quadro de uma sequência de imagens para corretamente associar informações 3D às cenas reais, comumente conhecida como rastreamento 3D. Neste contexto, esta dissertação introduz uma técnica de rastreamento 3D baseado em textura através de uma variação da técnica clássica Interest Point Based (IPB) associada à abordagem de filtro de partículas. Ela foi desenvolvida para possibilitar o rastreamento robusto de objetos texturizados. O algoritmo possui desempenho promissor apesar de ainda precisar de otimizações para atingir restrições de tempo-real podendo ser usado em diferentes cenários de realidade aumentada. Três implementações de referência da técnica IPB foram implementadas e analisadas (Spatial IPB, Temporal IPB e Spatial Temporal IPB), e comparações de desempenho e precisão apontaram os caminhos a seguir. Foram realizados testes com casos sintéticos e reais, e as variações do IPB bem como a abordagem usando Filtro de Partículas obtiveram boa precisão

Made available in DSpace on 2016-03-15T19:37:55Z (GMT). No. of bitstreams: 1 RICARDO RIBANI.pdf: 13475262 bytes, checksum: 1e8f0a623498d0aa2fda9f44449b7325 (MD5) Previous issue date: 2015-02-11 / Fundo Mackenzie de Pesquisa / With the growing amount of multimedia information, the recommender systems have become more present in digital systems. Together with the growth of the internet, more and more people have access to large multimedia collections and consequently the user is often in doubt situations when making a choice. In order to help the user to make their own choices, this research presents a study around the content-based recommender systems applied to art paintings. Here are included approaches on image retrieval algorithms, computer vision and artificial intelligence concepts such as techniques for pattern recognition. One of the goals of this research was the creation of a software for mobile phones, applied to an art paintings database. The application uses an interface developed for mobile phones, where the user can point the phone s camera to a painting and based on this painting the system generates a recommendation of another painting in the same database, considering some parameters such as style, genre or color. / Os sistemas de recomendações estão cada dia mais presentes no meio digital. Com a crescente quantidade de informações e a popularização da internet, cada vez mais as pessoas tem acesso a grandes acervos multimídia. Com isso, consequentemente o usuário se encontra muitas vezes em situações de dúvida ao fazer uma escolha. Com o objetivo de auxiliar o usuário a fazer suas escolhas, o presente trabalho apresenta um estudo em torno dos sistemas de recomendações baseados em conteúdo de imagens. Este estudo engloba uma abordagem a respeito de algoritmos de recuperação de imagens, além da aplicação de conceitos de visão computacional e inteligência artificial, como técnicas para reconhecimento de padrões. Além do estudo teórico, este trabalho teve como objetivo a criação de um sistema computacional aplicado a um banco de dados de imagens de obras de arte. Uma aplicação que utiliza uma interface desenvolvida para telefones celulares, no qual o usuário pode capturar a imagem de uma obra através da câmera do celular e baseado nessa obra o sistema gera uma recomendação de outra dentro do mesmo banco de dados, considerando parâmetros configuráveis como estilo, gênero ou cores.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-04-12T20:38:00Z No. of bitstreams: 1 IURY DEWAR CRUZ DE OLIVEIRA NUNES - DISSERTAÇÃO PPGCC 2014..pdf: 1148640 bytes, checksum: 9e084516af4065804bc3489d60d75384 (MD5) / Made available in DSpace on 2018-04-12T20:38:00Z (GMT). No. of bitstreams: 1 IURY DEWAR CRUZ DE OLIVEIRA NUNES - DISSERTAÇÃO PPGCC 2014..pdf: 1148640 bytes, checksum: 9e084516af4065804bc3489d60d75384 (MD5) Previous issue date: 2014-08-28 / As Redes Sociais Baseadas em Localização (RSBL) surgiram com o propósito de permitir que os usuários possam compartilhar com sua rede de amigos informações a respeito dos pontos de interesse (POIs) que eles visitaram. Neste contexto, a capacidade de recomendar novos lugares para que os usuários possam visitar é importante, pois pode, eventualmente, melhorar a experiência destes usuários ao utilizar o sistema. O contexto geogr´afico certamente influencia os usu´arios na hora de escolher os locais a serem visitados. Sendo assim, inicialmente analisamos este contexto de forma isolada, através de recomendadores de POIs puramente baseados em informacões geográficas. Além disso, propomos um novo recomendador puramente geográfico baseado em Kernels Gaussianos. Os resultados dos nossos experimentos demonstraram que o modelo proposto consegue alcançar uma maior acurácia que os recomendadores puramente geográficos presentes no estado-da-arte na maioria dos casos avaliados. Porém esta mesma análise demonstrou que o contexto geográfico isoladamente não é capaz de gerar recomendações com alta acurácia de forma geral. Logo, ao modelar um recomendador de POIs é necessário combinar as informações geográficas com outros contextos a fim de melhorar sua acurácia. Sendo assim, também propomos um novo recomendador de POIs que consegue capturar as preferências de usuários (de forma similar às técnicas de filtragem colaborativa) e informações geográficas em um único modelo baseado em difusão de grafos. Este recomendador visa aprender um ranking personalizado de lugares a serem recomendados para cada usuário levando em consideração os lugares visitados por outros usuários com preferências similares, as distâncias entre os lugares visitados e os lugares candidatos à recomendação, e as regiões as quais o usuário visita mais frequentemente. Os nossos experimentos mostraram que este modelo consegue ser mais eficiente que os modelos de recomendações de POIs presentes no estado-da-arte, além de conseguir alcançar uma acurácia igual ou superior às abordagens comparadas. todos os experimentos foram realizados utilizando dados reais de uma das RSBL mais populares atualmente: o Foursquare. / Location-Based Social Networks (LBSN) emerged with the purpose of allowing users to share, with their friends, information about points of interest (POIs) they visited. In this context, the ability to recommend new places for users to visit is important because it can eventually improve the overall user experience while using the system. The geographical context certainly influences the locations that the users choose to visit. Therefore, initially we analyzed this context separately, through the recommenders of POIs purely based on geographical information. Furthermore, we propose a new geographicaware recommender based on Gaussian Kernels. The results of our experiments demonstrated that the proposed model can achieve higher accuracy than the state-of-the art recommenders solely based on geographical information, in most of the cases evaluated. However, this same analysis showed that the geographical context alone is not able to generate recommendations owith high accuracy. So to model a new recommender of POIs, it is necessary to combine geographic information with other contexts in order to achieve high accuracy. Thus, we also propose a new recommender of POIs that can capture the preferences of users (similar to collaborative filtering techniques) and geographical information in a single model based on diffusion on graphs. This recommender aims to learn a personalized ranking of places to be recommended for each user taking into consideration the places visited by other users with similar preferences, the distances between the places visited and places candidates for recommendation, and the regions which the user visits more often. Our experiments showed that this model can be more efficient than state-of-the-art recommenders of POIs, also achieving an accuracy equal to or greater than the compared approaches. All experiments were conducted using real data from one of the most popular RSBL nowadays: Foursquare.

Submitted by Kilvya Braga (kilvyabraga@hotmail.com) on 2018-05-16T14:43:46Z No. of bitstreams: 1 YURI ALMEIDA LACERDA - TESE (PPGCC) 2017.pdf: 28353805 bytes, checksum: 0d8453f39b64823b7308c81cc7731524 (MD5) / Made available in DSpace on 2018-05-16T14:43:46Z (GMT). No. of bitstreams: 1 YURI ALMEIDA LACERDA - TESE (PPGCC) 2017.pdf: 28353805 bytes, checksum: 0d8453f39b64823b7308c81cc7731524 (MD5) Previous issue date: 2017 / Capes / A descoberta de conhecimento a partir de grandes repositórios online de fotografias tem sido uma área de pesquisa bastante ativa nos últimos anos. Isso se deve principalmente a três fatores: incorporação de câmeras digitais e sensores de geolocalização aos dispositivos móveis; avanços na conectividade com a Internet; e evolução das redes sociais. As fotografias armazenadas nesses repositórios possuem metadados contextuais que podem ser utilizados em aplicações de descoberta de conhecimento, tais como: detecção de pontos de interesse (POIs); geração de roteiros de viagens; e organização automática de fotografias. A maioria das abordagens para detecção de POIs parte do princípio que as áreas geográficas onde uma grande quantidade de pessoas capturou fotografias indica a existência de um ponto de interesse. Porém, em muitos casos, os POIs estão localizados a uma certa distância desse local na orientação em que a câmera estava direcionada, e não no ponto exato da captura da fotografia. A maioria das técnicas propostas na literatura não consideram o uso da orientação no processo de detecção de pontos de interesses. Dessa forma, este trabalho propõe novos algoritmos e técnicas para detecção de pontos de interesse em cidades turísticas a partir de coleções de fotografias orientadas e georreferenciadas explorando de diversas formas a orientação geográfica. Esta pesquisa comprovou a importância do uso da orientação nos novos algoritmos voltados para detecção de pontos de interesses. Os experimentos, utilizando uma base de dados real de grandes cidades, demonstraram que os algoritmos considerando a orientação conseguem, em alguns cenários, superar os que não a consideram. Também foram propostas novas métricas de avaliação e uma ferramenta para auxiliar as atividades de descoberta de conhecimento baseada em grandes massas de fotografias. / The knowledge discovery from huge photo repositories has been a very active area of research in the last years. This is due to three facts: the incorporation of digital cameras and geolocation sensors in mobile devices; the advances in Internet connectivity; and the evolution of social networks. The photos stored on those repositories have contextual metadata. Those metadata could be used for many applications of knowledge discovering, such as: Point of Interest (POI) detection; generating of tourist guides; and automatic photo organization. Most approaches for POI detection assume that geographic areas with high density of photos indicate the existence of a point of interest in that area. However, in many cases, the POIs are located in a certain distance of that position in direction where camera was aiming, and not in the exact point of photo shooting. Most of related work do not consider the use of orientation in the process of POI detection. In this way, we propose a set of algorithms and techniques for POI discovery in touristic cities using geotagged and oriented photos collection exploring the geographic orientation in different ways. This research has proven the importance of the usage of orientation in the new algorithms for POI detection. In the experiments with collections related to big cities, the algorithms considering orientation, in several scenarios, have beaten those that do not consider. Also, new metrics of evaluation have been proposed and a new framework to assist all the tasks for knowledge discovery based on huge photo collections.