Made available in DSpace on 2010-04-20T20:08:13Z (GMT). No. of bitstreams: 1 71060100722.pdf: 2295148 bytes, checksum: d1a208c2c91060bfbde228cbc626b4f1 (MD5) Previous issue date: 2010-02-22T00:00:00Z / In spite of all discussion about the crisis in family as a institution due to the widespread changes which contemporary society has been undergoing such as the increase of single-person households, single-parent families headed by the mother, the older age for marrying for the first time, the growing number of unmarried couples cohabiting, the rise in the number of women in the job market and the growth in purchasing power of households, family has become a flexible concept term, which reflects the transitions from the rigid structure of the nuclear family to an addition of family forms and lifestyles. So the challenge is to look closer at the needs of diverse family structures and arrangements to better understand their needs and desires through various life events. This present study has explored the family life cycle as an important segmentation criteria, as it establishes consumption patterns over the life span. This paper reviews the family life cycle models which have been most referred in the literature in order to validate a model adapted to the particular characteristics of Brazil environment by considering the micro data of an empirical research made by Brazilian Institute for Geography and Statistics in 2002 and 2003. This article contributes to the fact that Brazil is endeavoring to find its own way to market its goods and services, with especial attention being given to market segmentation, instead of passively using foreign models. In spite of all discussion about the crisis in family as a institution due to the widespread changes which contemporary society has been undergoing such as the increase of single-person households, single-parent families headed by the mother, the older age for marrying for the first time, the growing number of unmarried couples cohabiting, the rise in the number of women in the job market and the growth in purchasing power of households, family has become a flexible concept term, which reflects the transitions from the rigid structure of the nuclear family to an addition of family forms and lifestyles. So the challenge is to look closer at the needs of diverse family structures and arrangements to better understand their needs and desires through various life events. This present study has explored the family life cycle as an important segmentation criteria, as it establishes consumption patterns over the life span. This paper reviews the family life cycle models which have been most referred in the literature in order to validate a model adapted to the particular characteristics of Brazil environment by considering the micro data of an empirical research made by Brazilian Institute for Geography and Statistics in 2002 and 2003. This article contributes to the fact that Brazil is endeavoring to find its own way to market its goods and services, with especial attention being given to market segmentation, instead of passively using foreign models. / Apesar de toda discussão sobre a crise na instituição família em função das amplas mudanças ocorridas na sociedade contemporânea, tais como o aumento dos domicílios unipessoais, das famílias chefiadas por mulheres, da média de idade ao se casar, de casais que convivem no mesmo domicílio sem necessariamente estarem casados, da participação da mulher no mercado de trabalho e do crescente poder de compra dos domicílios, o conceito 'família' vem se flexibilizando para refletir as transições da rígida estrutura familiar nuclear para novos modelos familiares e os estilos de vida associados a eles. O desafio passa a ser um olhar minucioso para as necessidades específicas desta diversidade de arranjos familiares para uma melhor compreensão dos seus desejos e motivações, bem como as mudanças no decorrer dos vários estágios do ciclo de vida. O presente estudo apresenta o construto ciclo de vida familiar como uma importante ferramenta de segmentação, a partir da definição de padrões de consumo de acordo com os principais eventos da vida do individuo e da família. Este trabalho traz uma revisão dos principais modelos de ciclo de vida para posteriormente apresentar e validar um modelo específico para o ambiente brasileiro a partir dos microdados de uma pesquisa feita pelo Instituto Brasileiro de Geografia e Estatística em 2002 e 2003. Umas das grandes contribuições deste trabalho é o esforço em desenvolver uma teoria de Marketing, em especial na área de segmentação de mercados, adaptada à realidade brasileira, ao invés de simplesmente copiar modelos desenvolvidos em outros países.

A popularização de aplicativos e dispositivos capazes de produzir, exibir e editar conteúdos multimídia fez surgir a necessidade de se adaptar, modificar e customizar diferentes tipos de mídia a diferentes necessidades do usuário. Nesse contexto, a área de Personalização e Adaptação de Conteúdo busca desenvolver soluções que atendam a tais necessidades. Sistemas de personalização, em geral, necessitam conhecer os dados presentes na mídia, surgindo, assim, a necessidade de uma indexação do conteúdo presente na mídia. No caso de vídeo digital, os esforços para a indexação automática utilizam como passo inicial a segmentação de vídeos em unidades de informação menores, como tomadas e cenas. A segmentação em cenas, em especial, é um desafio para pesquisadores graças a enorme variedade entre os vídeos e a própria ausência de um consenso na definição de cena. Diversas técnicas diferentes para a segmentação em cenas são reportadas na literatura. Uma técnica, em particular, destaca-se pelo baixo custo computacional: a técnica baseada em coerências visual. Utilizando-se operações de histogramas, a técnica objetiva-se a comparar tomadas adjacentes em busca de similaridades que poderiam indicar a presença de uma cena. Para melhorar os resultados obtidos, autores de trabalhos com tal enfoque utilizam-se de outras características, capazes de medir a \"quantidade de movimento\" das cenas, como os vetores de movimento. Assim, este trabalho apresenta uma técnica de segmentação de vídeo digital em tomadas e em cenas através da coerência visual e do fluxo óptico. Apresenta-se, ainda, uma série de avaliações de eficácia e de desempenho da técnica ao segmentar em tomadas e em cenas uma base de vídeo do domínio filmes / The popularization of applications and devices capable of producing, displaying and editing multimedia content did increase the need to adapt, modify and customize different types of media for different user needs. In this context, the area of Personalization and Content Adaptation seeks to develop solutions that meet these needs. Personalization systems, in general, need to know the data present in the media, thus needing for a media indexing process. In the case of digital video, the efforts for automatic indexing usually involves, as an initial step, to segment videos into smaller information units, such as shots and scenes. The scene segmentation, in particular, is a challenge to researchers due to the huge variety among the videos and the very absence of a consensus on the scene definition. Several scenes segmentation techniques are reported in the literature. One technique in particular stands out for its low computational cost: those techniques based on visual coherence. By using histograms, the technique compares adjacent shots to find similar shots which may indicate the presence of a scene. To improve the results, some related works uses other features to evaluate the motion dynamics of the scenes using features such as motion vectors. In this sense, this work presents a digital video segmentation technique for shots and scenes, using visual coherence and optical flow as its features. It also presents a series of evaluation in terms of effectiveness and performance of the technique when segmenting scenes and shots of a custom video database of the film domain

Image segmentation is an essential tool to enhance the ability of computer systems to efficiently perform elementary cognitive tasks such as detection, recognition and tracking. In this thesis we concentrate on the investigation of two fundamental topics in the context of image segmentation: spectral clustering and seeded image segmentation. We introduce two new algorithms for those topics that, in summary, rely on Laplacian-based operators, spectral graph theory, and minimization of energy functionals. The effectiveness of both segmentation algorithms is verified by visually evaluating the resulting partitions against state-of-the-art methods as well as through a variety of quantitative measures typically employed as benchmark by the image segmentation community. Our spectral-based segmentation algorithm combines image decomposition, similarity metrics, and spectral graph theory into a concise and powerful framework. An image decomposition is performed to split the input image into texture and cartoon components. Then, an affinity graph is generated and weights are assigned to the edges of the graph according to a gradient-based inner-product function. From the eigenstructure of the affinity graph, the image is partitioned through the spectral cut of the underlying graph. Moreover, the image partitioning can be improved by changing the graph weights by sketching interactively. Visual and numerical evaluation were conducted against representative spectral-based segmentation techniques using boundary and partition quality measures in the well-known BSDS dataset. Unlike most existing seed-based methods that rely on complex mathematical formulations that typically do not guarantee unique solution for the segmentation problem while still being prone to be trapped in local minima, our segmentation approach is mathematically simple to formulate, easy-to-implement, and it guarantees to produce a unique solution. Moreover, the formulation holds an anisotropic behavior, that is, pixels sharing similar attributes are preserved closer to each other while big discontinuities are naturally imposed on the boundary between image regions, thus ensuring better fitting on object boundaries. We show that the proposed approach significantly outperforms competing techniques both quantitatively as well as qualitatively, using the classical GrabCut dataset from Microsoft as a benchmark. While most of this research concentrates on the particular problem of segmenting an image, we also develop two new techniques to address the problem of image inpainting and photo colorization. Both methods couple the developed segmentation tools with other computer vision approaches in order to operate properly. / Segmentar uma image é visto nos dias de hoje como uma prerrogativa para melhorar a capacidade de sistemas de computador para realizar tarefas complexas de natureza cognitiva tais como detecção de objetos, reconhecimento de padrões e monitoramento de alvos. Esta pesquisa de doutorado visa estudar dois temas de fundamental importância no contexto de segmentação de imagens: clusterização espectral e segmentação interativa de imagens. Foram propostos dois novos algoritmos de segmentação dentro das linhas supracitadas, os quais se baseiam em operadores do Laplaciano, teoria espectral de grafos e na minimização de funcionais de energia. A eficácia de ambos os algoritmos pode ser constatada através de avaliações visuais das segmentações originadas, como também através de medidas quantitativas computadas com base nos resultados obtidos por técnicas do estado-da-arte em segmentação de imagens. Nosso primeiro algoritmo de segmentação, o qual ´e baseado na teoria espectral de grafos, combina técnicas de decomposição de imagens e medidas de similaridade em grafos em uma única e robusta ferramenta computacional. Primeiramente, um método de decomposição de imagens é aplicado para dividir a imagem alvo em duas componentes: textura e cartoon. Em seguida, um grafo de afinidade é gerado e pesos são atribuídos às suas arestas de acordo com uma função escalar proveniente de um operador de produto interno. Com base no grafo de afinidade, a imagem é então subdividida por meio do processo de corte espectral. Além disso, o resultado da segmentação pode ser refinado de forma interativa, mudando-se, desta forma, os pesos do grafo base. Experimentos visuais e numéricos foram conduzidos tomando-se por base métodos representativos do estado-da-arte e a clássica base de dados BSDS a fim de averiguar a eficiência da metodologia proposta. Ao contrário de grande parte dos métodos existentes de segmentação interativa, os quais são modelados por formulações matemáticas complexas que normalmente não garantem solução única para o problema de segmentação, nossa segunda metodologia aqui proposta é matematicamente simples de ser interpretada, fácil de implementar e ainda garante unicidade de solução. Além disso, o método proposto possui um comportamento anisotrópico, ou seja, pixels semelhantes são preservados mais próximos uns dos outros enquanto descontinuidades bruscas são impostas entre regiões da imagem onde as bordas são mais salientes. Como no caso anterior, foram realizadas diversas avaliações qualitativas e quantitativas envolvendo nossa técnica e métodos do estado-da-arte, tomando-se como referência a base de dados GrabCut da Microsoft. Enquanto a maior parte desta pesquisa de doutorado concentra-se no problema específico de segmentar imagens, como conteúdo complementar de pesquisa foram propostas duas novas técnicas para tratar o problema de retoque digital e colorização de imagens.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-07-01T12:22:19Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese_Filipe_Cordeiro.pdf: 19608976 bytes, checksum: a0ff2fa1256af4323f10bfcbb3df974d (MD5) / Made available in DSpace on 2016-07-01T12:22:19Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese_Filipe_Cordeiro.pdf: 19608976 bytes, checksum: a0ff2fa1256af4323f10bfcbb3df974d (MD5) Previous issue date: 2015-12-16 / De acordo com a Organização Mundial de Saúde, o câncer de mama é a forma mais comum de câncer entre as mulheres no mundo todo, sendo um dos tipos de câncer mais fatal. Estudos mostram que o diagnóstico precoce pode contribuir para a redução da taxa de mortalidade e aumentar as opções de tratamento. Apesar da existência de várias técnicas de obtenção de imagens no auxílio ao diagnóstico de câncer de mama, a mamografia digital é ainda a tecnologia mais eficaz e utilizada para esse fim. Consequentemente, a segmentação de imagens de mamografia é uma tarefa fundamental para auxiliar o diagnóstico, levando em consideração a forma da lesão mamária e suas bordas. No entanto, a segmentação de imagens de mamografia é uma tarefa complexa, uma vez que ela é muito dependente dos tipos de tecido mamário e da lesão. O algoritmo GrowCut é um método de segmentação de propósito geral baseado em autômatos celulares, capaz de realizar uma segmentação precisa através da seleção adequada de pontos internos e externos à região de interesse. Neste trabalho é apresentado um novo algoritmo semi-supervisionado baseado na modificação do algoritmo GrowCut para realizar segmentação de imagens de mamografia de forma semi-automática. No método proposto é utilizada uma função de pertinência fuzzy Gaussiana para modificar a regra de evolução do algoritmo GrowCut original, visando estimar as probabilidades de um pixel pertencer ao objeto ou fundo da imagem. Esse modelo permite uma maior flexibilidade na inicialização das sementes quando comparado à trabalhos no estado da arte, pois a marcação realizada pelo especialista é utilizada extraindo-se informação do conjunto de sementes, e não informações do posicionamento individual, como o presente no GrowCut clássico. Foi também desenvolvido uma etapa de geração automática de sementes, onde apenas pontos internos da região de interesse são selecionados, através do uso do método de otimização Evolução Diferencial. Além disso, foi desenvolvido um método de ajuste de parâmetros adaptativo, que a partir da extração de características da imagem ajusta os melhores parâmetros para o algoritmo. A abordagem desenvolvida é comparada qualitativamente e quantitativamente com técnicas de segmentação do estado da arte BEMD, BMCS, WAGA, Abordagem Topográfica e MCW, usando métricas relacionadas à forma das regiões segmentadas. As análises são avaliadas utilizando regiões de interesse da base IRMA, totalizando 1.165 mamogramas. Resultados mostram que o algoritmo proposto obteve melhores resultados, considerando similaridade com imagem ouro, para as métricas utilizadas. Para validar a proposta , foi construído um classificador de imagem usando o Perceptron Multicamadas clássico. Resultados mostraram que a técnica proposta obteve taxa de classificação de 94,77%, evidenciado a viabilidade do método proposto. / According to the World Health Organization, breast cancer is the most common cancer in women worldwide, becoming one of the most fatal types of cancer. Several studies show that the early diagnosis technologies can contribute to reduce the mortality rates and improve treatment options. Despite the existence of several imaging techniques to aid at the diagnosis of breast cancer, digital mammography is still the most used and effective imaging technology. Consequently, mammographic image segmentation is a fundamental task to support image diagnosis, considering shape analysis of mammary lesions and their borders. However, mammogram image segmentation is a hard task, once it is highly dependent on the types of mammary tissues. The GrowCut algorithm is a general-purpose segmentation method based on cellular automata, able to perform accurate segmentation through the adequate selection of internal and external points of the region of interest. Herein this work we present a new semi-supervised segmentation algorithm based on the modification of the GrowCut algorithm to perform semi-automatic mammographic image segmentation. In our proposal, we used a fuzzy Gaussian membership function to modify the evolution rule of the original GrowCut algorithm, in order to estimate the probabilities of a pixel being object or background. This model allows flexibility in the seeds initialization when compared to state of the art techniques, because the annotation executed by the specialist is used through the extraction of information of set os seeds, in opposite to the individual seeds information present in classical GrowCut .An automatic seed generation step was developed, where only the seeds internal to the region of interest are selected, using the Differential Evolution algorithm. Furthermore, we developed an adaptive parameter tuning method, which from the image characteristics it find the best parameters to the algorithm. The proposed approach was qualitatively and quantitatively compared with other state-of-the-art segmentation techniques BEMD, BMCS, WAGA, Topographic Approach and MCW, using metrics related to the shape of segmented regions. The analysis are evaluated using regions of interest from IRMA database, totaling 1.165 mammograms. Results show that the proposed algorithm achieved better results, considering similarity with ground truth, for the used metrics. In order to validate our proposal we built an image classifier using a classical Multilayer Perceptron. This analysis employed 1.165 mammograms from IRMA breast cancer database Results show that the proposed technique could achieve a classification rate of 94.77%, evidencing the feasibility of our approach.

Plâncton são organismos microscópicos que constituem a base da cadeia alimentar de ecossistemas aquáticos. Eles têm importante papel no ciclo do carbono pois são os responsáveis pela absorção do carbono na superfície dos oceanos. Detectar, estimar e monitorar a distribuição das diferentes espécies são atividades importantes para se compreender o papel do plâncton e as consequências decorrentes de alterações em seu ambiente. Parte dos estudos deste tipo é baseada no uso de técnicas de imageamento de volumes de água. Devido à grande quantidade de imagens que são geradas, métodos computacionais para auxiliar no processo de análise das imagens estão sob demanda. Neste trabalho abordamos o problema de identificação da espécie. Adotamos o pipeline convencional que consiste dos passos de detecção de alvo, segmentação (delineação de contorno), extração de características, e classificação. Na primeira parte deste trabalho abordamos o problema de escolha de um algoritmo de segmentação adequado. Uma vez que a avaliação de resultados de segmentação é subjetiva e demorada, propomos um método para avaliar algoritmos de segmentação por meio da avaliação da classificação no final do pipeline. Experimentos com esse método mostraram que algoritmos de segmentação distintos podem ser adequados para a identificação de espécies de classes distintas. Portanto, na segunda parte do trabalho propomos um método de classificação que leva em consideração múltiplas segmentações. Especificamente, múltiplas segmentações são calculadas e classificadores são treinados individualmente para cada segmentação, os quais são então combinados para construir o classificador final. Resultados experimentais mostram que a acurácia obtida com a combinação de classificadores é superior em mais de 2% à acurácia obtida com classificadores usando uma segmentação fixa. Os métodos propostos podem ser úteis para a construção de sistemas de identificação de plâncton que sejam capazes de se ajustar rapidamente às mudanças nas características das imagens. / Plankton are microscopic organisms that constitute the basis of the food chain of aquatic ecosystems. They have an important role in the carbon cycle as they are responsible for the absorption of carbon in the ocean surfaces. Detecting, estimating and monitoring the distribution of plankton species are important activities for understanding the role of plankton and the consequences of changes in their environment. Part of these type of studies is based on the analysis of water volumes by means of imaging techniques. Due to the large quantity of generated images, computational methods for helping the process of image analysis are in demand. In this work we address the problem of species identification. We follow the conventional pipeline consisting of target detection, segmentation (contour delineation), feature extraction, and classification steps. In the first part of this work we address the problem of choosing an appropriate segmentation algorithm. Since evaluating segmentation results is a subjective and time consuming task, we propose a method to evaluate segmentation algorithms by evaluating the classification results at the end of the pipeline. Experiments with this method showed that distinct segmentation algorithms might be appropriate for identifying species of distinct classes. Therefore, in the second part of this work we propose a classification method that takes into consideration multiple segmentations. Specifically, multiple segmentations are computed and classifiers are trained individually for each segmentation, which are then combined to build the final classifier. Experimental results show that the accuracy obtained with the combined classifier is superior in more than 2% to the accuracy obtained with classifiers using a fixed segmentation. The proposed methods can be useful to build plankton identification systems that are able to quickly adjust to changes in the characteristics of the images.

Embora o orçamento familiar e os padrões de consumo das famílias sejam importantes para a compreensão da realidade da população brasileira, os estudos qualitativos e quantitativos dedicados ao entendimento de ambos não existem em grande quantidade no Brasil, o que é um limitante para a consolidação da literatura nacional sobre o assunto. Neste sentido, o presente trabalho utiliza-se do orçamento familiar como uma variável de segmentação aplicada às famílias Endividadas e Positivas, oferecendo comparações no que tange aos padrões de consumo dos segmentos obtidos. Cabe ressaltar que o orçamento familiar neste estudo é composto por 17 categorias de despesa não discricionárias, como \"Alimentação dentro do lar\" e \"Habitação\" e categorias de despesa discricionárias, como \"Lazer\" e \"Educação\". Sendo assim, a segmentação é realizada por meio da análise de cluster, o que permite que as famílias de ambos os grupos se agrupem em segmentos. Tal análise considera dados de orçamento familiar oferecidos pela Kantar WorldPanel (ano 2016), que dizem respeito a 4790 famílias Endividadas (2409) e Positivas (2381). Como resultado da análise, obtêm-se nove segmentos, cinco referentes ao grupo de famílias Endividadas (Caseiros, Sobreviventes, Bem estar, Automotores e Pagadores de Empréstimos) e quatro referentes ao grupo de famílias Positivas (Caseiros, Sobreviventes, Bem Estar, Automotores e Pagadores de Empréstimo). O segmento Caseiros tem como categoria de despesa que mais compromete o orçamento a \"Habitação\"; o segmento Sobreviventes a categoria \"Alimentação dentro do lar\"; o segmento Bem estar possui gastos acima da média com categorias discricionárias como \"Lazer\" e \"Educação\"; o segmento Automotores apresenta grande parte do orçamento comprometido com a categoria \"Transporte\" e o segmento Pagadores de Empréstimos, existente apenas no grupo Endividados, compromete grande parte de seu orçamento com a categoria \"Serviços Financeiros\". Dado esses segmentos, o estudo ainda reúne esforços no sentido de identificar quais despesas melhor discriminam o orçamento de ambos os grupos e, como resultado, tem-se que o orçamento do grupo Endividado é melhor discriminado por despesas com \"Habitação\" e \"Transporte\", enquanto o do grupo Positivo é melhor discriminado por despesas com \"Alimentação dentro do lar\" e \"Habitação\". Calcula-se ainda a elasticidade renda da despesa para cada um dos segmentos, verificando sua sensibilidade às 17 categorias de despesa estudadas. Verifica-se que os positivos se apresentam muito sensíveis a algumas categorias, enquanto que os Endividados se apresentam pouco sensíveis a todas as categorias. Visto isso, este estudo oferece com contribuição teórica a consolidação do uso do orçamento familiar como variável de segmentação e, como contribuição gerencial, o detalhamento do orçamento de cada segmento a ser explorado pela iniciativa privada. Futuros estudos podem replicar este mesmo estudo realizando um recorte regional ou, ainda, fazendo o uso dos dados extrapolados para a população brasileira. / Although familiar budget and household consumption patterns are very important for understanding Brazilian population reality, qualitative and quantitative studies dedicated to the understand both are still scarce in national scenarium, which is a limitation for the consolidation of Brazilian literature on the subject. So, this work uses familiar budget as a segmentation variable in order to segment Indebted and Positive families, offering comparisons regarding consumption patterns of the obtained segments. It should be noted that, for this study, familiar budget is composed by 17 consumption categories, including non-discretionary expenditure, such as \"Food consumption inside house\" and \"Housing\" and also discretionary expenditure categories, such as \"Leisure\" and \"Education\". Thus, segmentation is performed through cluster analysis, which allocate Indebted and Positive families into segments. This analysis uses familiar budget data offered by Kantar WorldPanel, which considers 4790 families (Indebted - 2409; Positive - 2381). As this analysis application results on nine segments, five refers to Indebted families (Homeowners, Survivors, Welfare, Motorists and Loans Payors) and four refers to Positive families (Homeowners, Survivors, Welfare and Motorists). For Homeowners segment \"Housing\" is the most important expenditure; for Survivors segment \"Food consumption inside house\" is the most important; Wellness segment has above-average expenses with discretionary categories such as \"Leisure\" and \"Education\"; Automotive segment has a large part of their budget committed with \"Transport\" category and Payors of Loans, that only exists for Indebted group, spend much money on \"Financial Services\". This study still makes efforts in order to identify which expenses better discriminate familiar budget from both groups and, as a result, it has been seen that Indebted group familiar budget is better discriminated by \"Housing\" and \"Transportation\" expenses, while Positive group is better discriminated by \"Food inside the house\" and \"Housing\" expenses. Moreover, income elasticity of the expenditure for each of the segments is calculated, verifying each segment sensitivity to each of the 17 expenditure categories. It can be seen that Positives are very sensitive to some categories, while Indebted are not very sensitive to all categories. This study offers as theoretical contribution the consolidation familiar budget as a segmentation variable and, as managerial contribution, familiar budget details of each segment to be explored by companies. Future studies may replicate this same study by making a regional approach or using extrapolated data for Brazilian population.

A segmentação automática de vídeo em cenas é um problema atual e relevante dado sua aplicação em diversos serviços ligado à área de multimídia. Dentre as diferentes técnicas reportadas pela literatura, as multimodais são consideradas mais promissoras, dado a capacidade de extrair informações de diferentes mídias de maneira potencialmente complementar, possibilitando obter segmentações mais significativas. Ao usar informações de diferentes naturezas, tais técnicas enfrentam dificuldades para modelar e obter uma representação combinada das informações ou com elevado custo ao processar cada fonte de informação individualmente. Encontrar uma combinação adequada de informação que aumente a eficácia da segmentação a um custo computacional relativamente baixo torna-se um desafio. Paralelamente, abordagens baseadas em Aprendizagem Profunda mostraram-se eficazes em uma ampla gama de tarefas, incluindo classificação de imagens e vídeo. Técnicas baseadas em Aprendizagem Profunda, como as Redes Neurais Convolucionais (CNNs), têm alcançado resultados impressionantes em tarefas relacionadas por conseguirem extrair padrões significativos dos dados, incluindo multimodais. Contudo, CNNs não podem aprender adequadamente os relacionamentos entre dados que estão temporalmente distribuídos entre as tomadas de uma mesma cena. Isto pode tornar a rede incapaz de segmentar corretamente cenas cujas características mudam entre tomadas. Por outro lado, Redes Neurais Recorrentes (RNNs) têm sido empregadas com sucesso em processamento textual, pois foram projetadas para analisar sequências de dados de tamanho variável e podem melhor explorar as relações temporais entre as características de tomadas relacionadas, potencialmente aumentando a eficácia da segmentação em cenas. Há uma carência de métodos de segmentação multimodais que explorem Aprendizagem Profunda. Assim, este trabalho de doutorado propõe um método automático de segmentação de vídeo em cenas que modela o problema de segmentação como um problema de classificação. O método conta com um modelo que combina o potencial de extração de padrões das CNNs com o processamento de sequencias das RNNs. O modelo proposto elimina a dificuldade de modelar representações multimodais das diferentes informações de entrada além de permitir instanciar diferentes abordagens para fusão multimodal (antecipada ou tardia). Tal método foi avaliado na tarefa de segmentação em cenas utilizando uma base de vídeos pública, comparando os resultados obtidos com os resultados de técnicas em estado-da-arte usando diferentes abordagens. Os resultados mostram um avanço significativo na eficácia obtida. / Automatic video scene segmentation is a current and relevant problem given its application in various services related to multimedia. Among the different techniques reported in the literature, the multimodal ones are considered more promising, given the ability to extract information from different media in a potentially complementary way, allowing for more significant segmentations. By processing information of different natures, such techniques faces difficulties on modeling and obtaining a combined representation of information and cost problems when processing each source of information individually. Finding a suitable combination of information that increases the effectiveness of segmentation at a relatively low computational cost becomes a challenge. At the same time, approaches based on Deep Learning have proven effective on a wide range of tasks, including classification of images and video. Techniques based on Deep Learning, such as Convolutional Neural Networks (CNNs), have achieved impressive results in related tasks by being able to extract significant patterns from data, including multimodal data. However, CNNs can not properly learn the relationships between data temporarily distributed among the shots of the same scene. This can lead the network to become unable to properly segment scenes whose characteristics change among shots. On the other hand, Recurrent Neural Networks (RNNs) have been successfully employed in textual processing since they are designed to analyze variable-length data sequences and can be developed to better explore the temporal relationships between low-level characteristics of related shots, potentially increasing the effectiveness of scene segmentation. There is a lack of multimodal segmentation methods exploring Deep Learning. Thus, this thesis proposes an automatic method for video scene segmentation that models the problem of segmentation as a classification problem. The method relies on a model developed to combine the potential for extracting patterns from CNNs with the potential for sequence processing of the RNNs. The proposed model, different from related works, eliminates the difficulty of modeling multimodal representations of the different input information, besides allowing to instantiate different approaches for multimodal (early or late) fusion. This method was evaluated in the scene segmentation task using a public video database, comparing the results obtained with the results of state-of-the-art techniques using different approaches. The results show a significant advance in the efficiency obtained.

A Ecocardiografia continua sendo a técnica de captura de imagens mais promissora, não-invasiva, sem radiação ionizante e de baixo custo para avaliação de condições cardíacas. Porém, é afetada consideravelmente por ruídos do tipo speckle, que são difíceis de serem filtrados. Por isso fez-se necessário fazer a escolha certa entre filtragem e segmentador para a obtenção de resultados melhores na segmentação de estruturas. O objetivo dessa pesquisa foi estudar essa combinação entre filtro e segmentador. Para isso, foi desenvolvido um sistema segmentador, a fim de sistematizar essa avaliação. Foram implementados dois filtros para atenuar o efeito do ruído speckle - Linear Scaling Mean Variance (LSMV) e o filtro de Chitwong - testados em imagens simuladas. Foram simuladas 60 imagens com 300 por 300 pixels, 3 modelos, 4 espessuras e 5 níveis de contrastes diferentes, todas com ruído speckle. Além disso, foram feitos testes com a combinação de filtros. Logo após, foi implementado um algoritmo de conectividade Fuzzy para fazer a segmentação e um sistema avaliador, seguindo os critérios descritos por Loizou, que faz a contagem de verdadeiro-positivos (VP) e falso-positivos (FP). Foi verificado que o filtro LSMV é a melhor opção para segmentação por conectividade Fuzzy. Foram obtidas taxas de VP e FP na ordem de 95% e 5%, respectivamente, e acurácia em torno de 95%. Para imagens ruidosas com alto contraste, aplicando a segmentação sem filtragem, a acurácia obtida foi na ordem de 60%. / The echocardiography is the imaging technique that remains most promising, noninvasive, no ionizing radiation and inexpensive to assess heart conditions. On the other hand, is considerably affected by noises, such as speckle, that are very difficult to be filtered. That is why it is necessary to make the right choice of filter and segmentation method to obtain the best results on image segmentation. The goal was evaluate this filter and segmentation method combination. For that, it was developed a segmentation system, to help the assessment. Two filters were implemented to mitigate the effect of speckle noise Linear Scaling Mean Variance (LSMV) and the filter presented by Chitwong - to be tested in simulated images. We simulated 60 images, with size 300 by 300 pixels, 3 models, 4 thicknesses and 5 different levels of contrast, all with speckle noise. In addition, tests were made with a combination of filters. Furthermore, it was implemented a Fuzzy Connectedness algorithm and an evaluation system, following the criteria described by Loizou, which makes the true positives (TP) and false positives (FP) counting. It was found that the LSMV filter is the best option for Fuzzy Connectedness. We obtained rates of TP and FP of 95% and 5% using LSMV, and accuracy of 95%. Using high contrast noisy images, without filtering, we obtained the accuracy in order of 60%.

Este trabalho teve como objetivo principal verificar como são realizados os processos de segmentação e posicionamento por empresas inseridas na indústria esportiva no Brasil e, se os processos utilizados pelas empresas são os mesmos encontrados na literatura. Para alcançar esse objetivo, foram realizados alguns procedimentos metodológicos. A primeira etapa envolveu uma revisão da literatura onde buscou-se conceitos de segmentação e posicionamento de mercado e também, por meio da revisão da literatura buscou-se entender quais eram os pilares envolvidos no marketing esportivo. A segunda etapa envolveu uma pesquisa de campo, e para realização da mesma determinou-se que a maneira mais adequada de desenvolver essa pesquisa, tendo como foco o objetivo principal desse trabalho, seria desenvolver uma pesquisa descritiva/exploratória, qualitativa e a técnica utilizada para coleta de dados foi entrevista em profundidade. Foram então entrevistadas dez empresas produtoras de artigos esportivos as quais somadas, representam aproximadamente 68% da indústria esportiva no Brasil. A seleção das empresas entrevistadas deu-se por meio de conveniência e técnica \"bola de neve\". Para análise dos dados obtidos na pesquisa de campo, foi realizada uma análise global e posteriormente uma análise qualitativa de conteúdo. De modo geral foi possível identificar que a indústria esportiva é um mercado extremamente competitivo e portanto, poucas são as informações divulgadas nesse mercado. Outro ponto identificado através dessa pesquisa é que o comportamento das empresas inseridas nessa indústria é diretamente guiado pelas líderes de mercado, em um comportamento de \"ação e reação\" onde ou busca-se a liderança do mercado ou busca-se constantemente pelos GAPs de atuação das líderes, sendo estes \"buracos\" deixado pelas mesmas, oportunidade para atuação de outras empresas. / This work had as main objective to verify how are the processes of segmentation and positioning by companies inserted in the sports industry in Brazil and, if the processes used by the companies are the same found in the literature. To achieve this objective, some methodological procedures were performed. The first stage involved the review of the literature where we sought concepts of segmentation and market positioning and also, through the literature review, sought to understand which were the pillars involved in sports marketing.The second step involved a field research, and to achieve this, it was determined that the most appropriate way to develop this research, focusing on the main objective of this work, would be to develop a descriptive / exploratory, qualitative research and the technique used to data collection was an in-depth interview. Ten companies that produced sports articles were interviewed, which together represent approximately 68% of the sports industry in Brazil. The selection of the companies interviewed was by means of convenience and snowball sampling. For the analysis of the data obtained in the field research, a global analysis and a qualitative content analysis were performed. In general it has been possible to identify that the sports industry is an extremely competitive market and therefore, little information is disclosed in this market. Another point identified through this research is that the behavior of the companies in this industry is directly guided by the market leaders, in an \"action and reaction\" behavior where either the market leadership is sought or the GAPs left by the Market leaders, which become opportunities to other companies to act.

Esta dissertação apresenta o desenvolvimento e avaliação de um método para a segmentação de vasos sangüíneos em imagens de retina, em que se usa a transformada wavelet contínua bidimensional combinada com classificação supervisionada. A segmentação dos vasos é a etapa inicial para a análise automática das imagens, cujo objetivo é auxiliar a comunidade médica na detecção de doenças. Entre outras doenças, as imagens podem revelar sinais da retinopatia diabética, uma das principais causas de cegueira em adultos, que pode ser prevenida se detectada em um diagnóstico precoce. A abordagem apresentada consiste na geração de segmentações pela classificação supervisionada de pixels nas classes \"vaso\" e \"não vaso\". As características usadas para classificação são obtidas através da transformada wavelet contínua bidimensional usando a wavelet de Gabor. Resultados são avaliados nos bancos públicos DRIVE e STARE de imagens coloridas através da análise ROC (\"receiver operating characteristic\", ou característica de operação do receptor). O método atinge áreas sob curvas ROC de 0.9614 e 0.9671 nos bancos DRIVE e STARE, respectivamente, ligeiramente superiores àquelas apresentadas por outros métodos do estado da arte. Apesar de bons resultados ROC, a análise visual revela algumas dificuldades do método, como falsos positivos ao redor do disco óptico e de patologias. A wavelet de Gabor mostra-se eficiente na detecção dos vasos, superando outros filtros lineares. Bons resultados e uma classificação rápida são obtidos usando o classificador bayesiano em que as funções de densidade de probabilidade condicionais às classes são descritas por misturas de gaussianas. A implementação do método está disponível na forma de \"scripts\" código aberto em MATLAB para pesquisadores interessados em detalhes de implementação, avaliação ou desenvolvimento de métodos. / This dissertation presents the development and evaluation of a method for blood vessel segmentation in retinal images which combines the use of the two-dimensional continuous wavelet transform with supervised classification. Segmentation of the retinal vasculature is the first step towards automatic analysis of the images, aiming at helping the medical community in detecting diseases. Among other diseases, the images may reveal signs of diabetic retinopathy, a leading cause of adult blindness, which can be prevented if identified early enough. The presented approach produces segmentations by supervised classification of each image pixel as \"vessel\" or \"nonvessel\", with pixel features derived using the two-dimensional continuous Gabor wavelet transform. Results are evaluated on publicly available DRIVE and STARE color image databases using ROC (receiver operating characteristic) analysis. The method achieves areas under ROC curves of 0.9614 and 0.9671 on the DRIVE and STARE databases, respectively, being slightly superior than that presented by state-of-the-art approaches. Though good ROC results are presented, visual inspection shows some typical difficulties of the method, such as false positives on the borders of the optic disc and pathologies. The Gabor wavelet shows itself efficient for vessel enhancement, outperforming other linear filters. Good segmentation results and a fast classification phase are obtained using the Bayesian classifier with class-conditional probability density functions described as Gaussian mixtures. The method\'s implementation is available as open source MATLAB scripts for researchers interested in implementation details, evaluation, or development of methods.