Esta dissertação versa principalmente sobre uma das formas de segmentação de mercado mais recentes no campo do consumidor individual: a Segmentação por Estilos de Vida (ou Segmentação Psicográfica). Para tanto, o conceito de Estilo de Vida é estudado em profundidade, desde sua origem, nos campos da psicologia e da sociologia, até a sua utilização aplicada ao estudo do comportamento do consumidor e da segmentação de mercado, sub-áreas de estudo do marketing. O estudo divide-se em duas partes. Na primeira, um levantamento bibliográfico é feito para que possam ser evidenciadas as origens e a evolução do conceito Estilos de Vida, que culmina com a história de sua “apropriação” e utilização pelos estudiosos do Marketing. Na segunda parte, é feita uma pesquisa de campo visando verificar o potencial de sua aplicação no mercado brasileiro, ao mesmo tempo em que se sugere uma metodologia para a sua utilização. Este é um aspecto fundamental deste projeto, uma vez que o tema tem sido desenvolvido principalmente pela iniciativa privada e são escassas as informações sobre a sua metodologia e seus resultados efetivos.

A área de recuperação de informação baseada em conteúdo visual vem ganhando importância graças ao volume de material visual existente (imagens e vídeo digitais), compartilhado e distribuído principalmente via Internet, e à capacidade de processamento alcançada pelos computadores pessoais na última década. Novas formas de consumo, manipulação e exploração de vídeo digital podem ser criadas através da organização e indexação apropriada desse material. A delimitação de tomadas fornece uma base para a abstração e estruturação de vídeo, agregando quadros contíguos em seqüências de mesmo contexto, isto é, trechos com unidade em termos de tempo e espaço. Nesta dissertação são apresentados os conceitos básicos de delimitação de tomadas e métodos tradicionais utilizados nesse tipo de segmentação, bem como vários resultados experimentais obtidos a partir de seqüências reais de TV. É analisada a distribuição das diferenças entre quadros sucessivos, calculada através de seus histogramas, na tentativa de caracterizar as transições entre tomadas e obter melhores parâmetros para a segmentação. Obtêm-se experimentalmente mais evidências que comprovam a superioridade da medida de intersecção de histogramas sobre outras medidas. A principal contribuição do trabalho consiste no desenvolvimento de um algoritmo baseado no método twin-comparison, que apresenta melhor desempenho que o método original na detecção dos limites de tomadas por utilizar análise local da variação visual entre os quadros do vídeo. / Visual content based information retrieval is an area of increasing importance due to the large volume of available material (digital images and videos), shared and distributed mainly by the internet, and the processing power achieved by personal computer in the last ten years. New ways to consume digital video and to manipulate and explore its visual information can be made by appropriately organizing and indexing this material. The shot boundary detection is a fundamental tool to video abstraction and structuring, combining near frames into sequences with similar context, segments with space and time unity. This work presents the basic concepts about shot boundary detection, traditional methods used and several experimental results obtained from a real TV data set. The distribution of differences of neighboring frames, calculated from histogram comparison, is used to define the transitions between frames and to obtain better parameters for segmentation. Our experimental results show the superiority of the histogram intersection method over other measures. Our main contribution is the development of a new algorithm based on the twin-comparison method, extended with local analysis of visual content variation between video frames. This algorithm was tested over hours of TV data, and performs better than the original method.

Este trabalho tem como objetivo desenvolver um método de segmentação de cenas em vídeos digitais que trate segmentos semânticamente complexos. Como prova de conceito, é apresentada uma abordagem multimodal que utiliza uma definição mais geral para cenas em telejornais, abrangendo tanto cenas onde âncoras aparecem quanto cenas onde nenhum âncora aparece. Desse modo, os resultados obtidos da técnica multimodal foram signifiativamente melhores quando comparados com os resultados obtidos das técnicas monomodais aplicadas em separado. Os testes foram executados em quatro grupos de telejornais brasileiros obtidos de duas emissoras de TV diferentes, cada qual contendo cinco edições, totalizando vinte telejornais / This work aims to develop a method for scene segmentation in digital video which deals with semantically complex segments. As proof of concept, we present a multimodal approach that uses a more general definition for TV news scenes, covering both: scenes where anchors appear on and scenes where no anchor appears. The results of the multimodal technique were significantly better when compared with the results from monomodal techniques applied separately. The tests were performed in four groups of Brazilian news programs obtained from two different television stations, containing five editions each, totaling twenty newscasts

Made available in DSpace on 2010-04-20T20:15:12Z (GMT). No. of bitstreams: 0 Previous issue date: 1994-05-31T00:00:00Z / Levantamento bibliográfico tanto de métodos de Escalonamento Multidimensional como sobre participação de mercado e seu papel estratégico visando a sugestão de um modelo associativo entre ordenações de preferência geradas pelo escalonamento e ordenações de participações relativas de mercado para categorias de produtos de consumo de massa.

Este trabalho tem como objetivo desenvolver um método de segmentação de cenas em vídeos digitais que trate segmentos semânticamente complexos. Como prova de conceito, é apresentada uma abordagem multimodal que utiliza uma definição mais geral para cenas em telejornais, abrangendo tanto cenas onde âncoras aparecem quanto cenas onde nenhum âncora aparece. Desse modo, os resultados obtidos da técnica multimodal foram signifiativamente melhores quando comparados com os resultados obtidos das técnicas monomodais aplicadas em separado. Os testes foram executados em quatro grupos de telejornais brasileiros obtidos de duas emissoras de TV diferentes, cada qual contendo cinco edições, totalizando vinte telejornais / This work aims to develop a method for scene segmentation in digital video which deals with semantically complex segments. As proof of concept, we present a multimodal approach that uses a more general definition for TV news scenes, covering both: scenes where anchors appear on and scenes where no anchor appears. The results of the multimodal technique were significantly better when compared with the results from monomodal techniques applied separately. The tests were performed in four groups of Brazilian news programs obtained from two different television stations, containing five editions each, totaling twenty newscasts

Image segmentation refers to the process of partitioning an image into meaningful regions of interest (objects) by assigning distinct labels to their composing pixels. Images are usually composed of multiple objects with distinctive features, thus requiring distinct high-level priors for their appropriate modeling. In order to obtain a good segmentation result, the segmentation method must attend all the individual priors of each object, as well as capture their inclusion/exclusion relations. However, many existing classical approaches do not include any form of structural information together with different high-level priors for each object into a single energy optimization. Consequently, they may be inappropriate in this context. We propose a novel efficient seed-based method for the multiple object segmentation of images based on graphs, named Hierarchical Layered Oriented Image Foresting Transform (HLOIFT). It uses a tree of the relations between the image objects, being each object represented by a node. Each tree node may contain different individual high-level priors and defines a weighted digraph, named as layer. The layer graphs are then integrated into a hierarchical graph, considering the hierarchical relations of inclusion and exclusion. A single energy optimization is performed in the hierarchical layered weighted digraph leading to globally optimal results satisfying all the high-level priors. The experimental evaluations of HLOIFT and its extensions, on medical, natural and synthetic images, indicate promising results comparable to the state-of-the-art methods, but with lower computational complexity. Compared to hierarchical segmentation by the min cut/max-flow algorithm, our approach is less restrictive, leading to globally optimal results in more general scenarios, and has a better running time. / A segmentação de imagem refere-se ao processo de particionar uma imagem em regiões significativas de interesse (objetos), atribuindo rótulos distintos aos seus pixels de composição. As imagens geralmente são compostas de vários objetos com características distintas, exigindo, assim, restrições de alto nível distintas para a sua modelagem apropriada. Para obter um bom resultado de segmentação, o método de segmentação deve atender a todas as restrições individuais de cada objeto, bem como capturar suas relações de inclusão/ exclusão. No entanto, muitas abordagens clássicas existentes não incluem nenhuma forma de informação estrutural, juntamente com diferentes restrições de alto nível para cada objeto em uma única otimização de energia. Consequentemente, elas podem ser inapropriadas nesse contexto. Estamos propondo um novo método eficiente baseado em sementes para a segmentação de múltiplos objetos em imagens baseado em grafos, chamado Hierarchical Layered Oriented Image Foresting Transform (HLOIFT). Ele usa uma árvore das relações entre os objetos de imagem, sendo cada objeto representado por um nó. Cada nó da árvore pode conter diferentes restrições individuais de alto nível, que são usadas para definir um dígrafo ponderado, nomeado como camada. Os grafos das camadas são então integrados em um grafo hierárquico, considerando as relações hierárquicas de inclusão e exclusão. Uma otimização de energia única é realizada no dígrafo hierárquico em camadas, levando a resultados globalmente ótimos, satisfazendo todas as restrições de alto nível. As avaliações experimentais do HLOIFT e de suas extensões, em imagens médicas, naturais e sintéticas,indicam resultados promissores comparáveis aos métodos do estado-da-arte, mas com menor complexidade computacional. Comparada à segmentação hierárquica pelo algoritmo min-cut/max-flow, nossa abordagem é menos restritiva, levando a resultados globalmente ótimo sem cenários mais gerais e com melhor tempo de execução.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-14T17:09:02Z No. of bitstreams: 1 JOSÉ JOSEMAR DE OLIVEIRA JÚNIOR - TESE PPGEE 2006..pdf: 1171314 bytes, checksum: 0928567e064b5758d1d9df30928e1575 (MD5) / Made available in DSpace on 2018-08-14T17:09:02Z (GMT). No. of bitstreams: 1 JOSÉ JOSEMAR DE OLIVEIRA JÚNIOR - TESE PPGEE 2006..pdf: 1171314 bytes, checksum: 0928567e064b5758d1d9df30928e1575 (MD5) Previous issue date: 2006-10-30 / Capes / Este trabalho propõe uma metodologia de reconhecimento de palavras manuscritas usando diferentes arquiteturas que são inspiradas nas conclusões obtidas em relação aos mecanismos perceptivos e o processo de leitura humano. Como estudo de caso, a abordagem é aplicada ao problema do reconhecimento de palavras manuscritas que representam os meses do ano. Este problema é relevante pois ocorre com frequência no processamento de cheques bancários, dentre outras aplicações. O sistema de análise multi-vistas proposto é formado pelas seguintes arquiteturas: pseudo-segmentação de radical, pseudo-segmentação fixa e pseudo-segmentação variável. Cada arquitetura é formada por um módulo de extração de primitivas, inspirado em modelos perceptivos e específico para o tipo de segmentação utilizado e por um classificador apropriado. Os testes foram realizados com uma base de palavras construída especificamente para este fim, também descrita neste trabalho. / This work presente a multiple classifier system applied to the handwritten word recognition (HWR) probiem. The goal is to investigate the use of perceptual models in the development of recognition systems. The handwritten words are analyzed considering different approximation leveis, in order to get a computational approach of the reading human process. The application proposed is the recognition of the Portuguese handwritten names of the months. The considered system is formed by the following architectures: 2 fixed sub-regions, 8 fixed sub-regions and N variable sub-regions. Each architecture is formed by a module of features extraction, based on perceptual models and specific for each type of segmentation, and an appropriate classifier. The experimental teste have performed on a database specifically built for this probiem, also described in this work.

Made available in DSpace on 2014-06-12T16:00:25Z (GMT). No. of bitstreams: 2 arquivo6557_1.pdf: 4867823 bytes, checksum: 64578a5cde42f460f0745045ec1bb555 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2007 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Neste trabalho apresentamos um novo modelo neural para segmentação de imagens, baseado nos Mapas Auto-organizáveis SOM (Mapa Auto-organizável - Self-organizing Map) e GWR (Crescer Quando Requerido - Grow When Required) chamado de LARFSOM (Mapa Auto-organizável com Campo Receptivo Adaptativo Local - Local Adaptive Receptive Field Self-organizing Map). As características principais do modelo são: número adaptativo de nodos, topologia variável, inserção de novos nodos baseada em uma medida de similaridade dos protótipos existentes em relação ao padrão de entrada aferida por meio de campo receptivo, remoção de nodos com informações não significativas ao final do treinamento, rápida convergência e baixo custo de processamento para o treinamento. A rede LARFSOM é capaz de segmentar imagens por cor ou por borda: a primeira, é feita através do agrupamento de informações ocorrido no treinamento da rede LAFRSOM seguido de um processo de quantização de cores; já a segunda, ocorre pelo acréscimo de dois nodos RBF (Função de Base Radial - Radial Basis Function) à rede LARFSOM, criando um modelo de dois estágios chamado LARFSOM-RBF. Adicionalmente, o modelo é capaz de salvar em um formato variante do BMP indexado tanto a rede treinada como as informações espaciais dos pixels da imagem. Acrescido de compactação tipo ZIP o arquivo a ser salvo torna-se bem reduzido. Comparações com outros modelos neurais como o SOM, FS-SOM (Mapa Auto-organizável Sensível à Freqüência - Frequency Sensitive Self-organizing Map) e GNG (Gás Neural Crescente - Growing Neural Gas) são feitas mediante segmentação de imagens do mundo real com diferentes níveis de complexidade. Técnicas de processamento de imagens e o formato JPEG são usados para fins de comparação. Os resultados mostram que a rede LARFSOM atinge maior variação de cores da paleta e melhor distribuição espacial 3D RGB das cores selecionadas que os demais modelos. A qualidade das imagens geradas também figura entre os melhores resultados obtidos

Orientador: Alexandre Xavier Falcão / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-27T14:45:13Z (GMT). No. of bitstreams: 1 Moya_Nikolas_M.pdf: 5706960 bytes, checksum: 9304544bfe8a78039de8b62562531865 (MD5) Previous issue date: 2015 / Resumo: Segmentação de imagens médicas é crucial para extrair medidas de objetos 3D (estruturas anatômicas) que são úteis no diagnóstico e tratamento de doenças. Nestas aplicações, segmentação interativa é necessária quando métodos automáticos falham ou não são factíveis. Métodos por corte em grafo são considerados o estado da arte em segmentação interativa, mas diversas abordagens utilizam o algoritmo min-cut/max-flow, que é limitado à segmentação binária, sendo que segmentação de múltiplos objetos pode economizar tempo e esforço do usuário. Este trabalho revisita a transformada imagem floresta diferencial (DIFT, em inglês) -- uma abordagem por corte em grafo adequada para segmentação de múltiplos objetos -- resolvendo problemas relacionados a ela. O algoritmo da DIFT executa em tempo proporcional ao número de voxels nas regiões modificadas em cada execução da segmentação (sublinear). Tal característica é altamente desejável em segmentação interativa de imagens 3D para responder as ações do usuário em tempo real. O algoritmo da DIFT funciona da seguinte forma: o usuário desenha marcadores (traço com voxels de semente) rotulados dentro de cada objeto e o fundo, enquanto o computador interpreta a imagem como um grafo, cujos nós são os voxels e os arcos são definidos por pixels vizinhos, produzindo como resultado uma floresta de caminhos ótimos (partição na imagem) enraizada nos nós sementes do grafo. Nesta floresta, cada objeto é representado pela floresta de caminhos ótimos enraizado em suas sementes internas. Tais árvores são pintadas com a mesmo cor associada ao rótulo do marcador correspondente. Ao adicionar ou remover marcadores, é possível corrigir a segmentação até o mapa de rótulo de objeto representar o resultado desejado. Para garantir consistência na segmentação, métodos baseados em semente sempre devem manter a conectividade entre os voxels e suas sementes. Entretanto, isto não é mantido em algumas abordagens, como Random Walkers ou quando o mapa de rótulos é filtrado para suavizar a fronteira dos objetos. Esta conectividade é primordial para realizar correções sem recomeçar o processo depois de cada intervenção do usuário. Todavia, foi observado que a DIFT falha em manter consistência da segmentação em alguns casos. Consertamos este problema tanto no algoritmo da DIFT, quanto após a suavização dos objetos. Estes resultados comparam diversas estruturas anatômicas 3D de imagens de ressonância magnética e tomografia computadorizada / Abstract: Medical image segmentation is crucial to extract measures from 3D objects (body anatomical structures) that are useful for diagnosis and treatment of diseases. In such applications, interactive segmentation is necessary whenever automated methods fail or are not feasible. Graph-cut methods are considered the state of the art in interactive segmentation, but most approaches rely on the min-cut/max-flow algorithm, which is limited to binary segmentation while multi-object segmentation can considerably save user time and effort. This work revisits the differential image foresting transform (DIFT) ¿ a graph-cut approach suitable for multi-object segmentation in linear time ¿ and solves several problems related to it. Indeed, the DIFT algorithm can take time proportional to the number of voxels in the regions modified at each segmentation execution (sublinear time). Such a characteristic is highly desirable in 3D interactive segmentation to respond the user's actions as close as possible to real time. Segmentation using the DIFT works as follows: the user draws labeled markers (strokes of connected seed voxels) inside each object and background, while the computer interprets the image as a graph, whose nodes are the voxels and arcs are defined by neighboring voxels, and outputs an optimum-path forest (image partition) rooted at the seed nodes in the graph. In the forest, each object is represented by the optimum-path trees rooted at its internal seeds. Such trees are painted with same color associated to the label of the corresponding marker. By adding/removing markers, the user can correct segmentation until the forest (its object label map) represents the desired result. For the sake of consistency in segmentation, similar seed-based methods should always maintain the connectivity between voxels and seeds that have labeled them. However, this does not hold in some approaches, such as random walkers, or when the segmentation is filtered to smooth object boundaries. That connectivity is also paramount to make corrections without starting over the process at each user intervention. However, we observed that the DIFT algorithm fails in maintaining segmentation consistency in some cases. We have fixed this problem in the DIFT algorithm and when the obtained object boundaries are smoothed. These results are presented and evaluated on several 3D body anatomical structures from MR and CT images / Mestrado / Ciência da Computação / Mestre em Ciência da Computação

Neste trabalho é proposta uma metodologia para reconhecimento de anseios de segmento do mercado de real estate residencial. Será desenvolvido um protocolo contemplando um projeto de pesquisa para a formação de um banco de dados e o tratamento adequado das informações. O projeto de pesquisa parte do desenvolvimento de um questionário seguindo orientações científicas, fundamentado nas teorias de segmentação e nos fatores psicodinâmicos de influência do consumidor, resultando na estruturação de um banco de dados com as informações sobre o perfil dos entrevistados e seus anseios sobre imóveis residenciais. Aborda ainda o tratamento necessário das informações, que resultam no reconhecimento procurado para que sirva como ferramenta de ajuda na formatação de empreendimentos residenciais que utilizam segmentação como estratégia de inserção. Para validação do protocolo foi realizada uma pesquisa de caráter exploratório, aplicando o questionário resultante deste trabalho em 50 interessados na compra de imóveis residenciais. A amostra é formada de clientes que procuram imóveis nas regiões sul e sudeste da cidade em duas grandes imobiliárias da região. Os resultados obtidos na pesquisa formaram um banco de dados, deste foram escolhidos dois segmentos para análise de anseios: I) agrupados por ciclo de vida familiar: segmento de solteiros e II) segmento de clientes que procuram imóveis: casal com filhos. Os resultados foram comparados entre si e no total da amostra, possibilitando reconhecer os anseios de cada segmento e comprovando a importância da ferramenta proposta. / In this work the proposal is a methodology for recognition of yearnings of the residential market in real state. A protocol will be developed regarding to a research project for the formatting of a data base and the adjusted treatment of information. The research project goes from the development of a questionnaire following scientific directions, based on the recital theories and in the psychodynamics factors that influences the consumer. Resulting the formatting of a database with information about the interviewed profile and his yearnings for residential properties. It still approaches the necessary treatment of approaches that results in the looked recognition so that serves as an aid tool in the formatting of residential enterprises that use segmentation as insertion strategy. For validation of the protocol was realized an exploration character research applying the questionnaire of this work in 50 people interested in the purchase of residential enterprises. The sample is formed by costumers who look for properties in the regions south and southeastern of the city in two great real state ones of the regions. The gotten results in the research have formed a database; from these two segments had been chosen for earning analyses. i) grouped for cycle of familiar life: segment of bachelors, e ii) segment of: couples with children. The results where compared between it selves and with the total of the sample, making this way possible to recognize the yearnings of each segment and proving the importance of the proposed tool.