Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-12T18:28:44Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Tese Bruno Fernandes.pdf: 3132863 bytes, checksum: 07130c06c805386aafa3b34685236d9b (MD5) / Made available in DSpace on 2015-03-12T18:28:44Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Tese Bruno Fernandes.pdf: 3132863 bytes, checksum: 07130c06c805386aafa3b34685236d9b (MD5)
Previous issue date: 2013-07-29 / O desenvolvimento de modelos baseados em teorias sobre a estrutura do cérebro humano tem se
mostrado como uma importante ferramenta para a inspiração de novas abordagens para problemas
de reconhecimento de padrões visuais. Apesar do cérebro humano não ser completamente
entendido, ele já inspirou vários mecanismos utilizados em tarefas de reconhecimento de padrões,
como as redes neurais artificiais (RNAs). Os conceitos de campos receptivos e inibitórios
e de memória autoassociativa são derivados de estudos do cérebro e vêm sendo empregados na
criação de novos classificadores. Os campos receptivos são utilizados para melhor analisar texturas
e para detectar contornos em vários modelos que têm suas arquiteturas projetadas para
receber os dados de entrada na sua forma bruta e extrair suas características. Esse processo é
chamado de extração implícita de características. O uso de campos inibitórios trouxe melhorias
às RNAs, tornando-as mais estáveis e eficazes. Por outro lado, classificadores autoassociativos
são modelos desenvolvidos para aprender as características relacionadas somente aos padrões
de uma mesma classe. Esses classificadores decidem se um padrão é conhecido a partir de fronteiras
de decisão fechadas no espaço de entrada. Este trabalho propõe três RNAs inspiradas nos
conceitos de campos receptivos e inibitórios e de memória autoassociativa. As RNAs propostas
apresentam uma arquitetura piramidal que fazem uso dos conceitos de campos receptivos e
que integram as etapas de extração de características e de classificação de padrões visuais. A
primeira RNA proposta é a Lateral Inhibition Pyramidal Neural Network (LIPNet) que utiliza
o conceito de campos inibitórios e é aplicada em problemas com duas classes. A LIPNet é
avaliada em experimentos de detecção de faces com o banco MIT CBCL e de detecção de floresta
em imagens de satélite. A segunda RNA proposta é a AutoAssociative Pyramidal Neural
Network (AAPNet) que utiliza o conceito de memória autoassociativa para aprendizagem de
uma classe sem exemplos negativos. A AAPNet é avaliada numa tarefa de categorização de
objetos com o banco Caltech-101. A última RNA proposta é a Lateral Inhibition Constructive
Autoassociative Neural Network (LICANet) que realiza a aprendizagem autoassociativa
através de um algoritmo construtivo que ajusta a arquitetura do modelo durante o treinamento.
A LICANet é avaliada em experimentos de reconhecimento de expressão facial com a base
JAFFE. Finalmente, as três RNAs propostas são comparadas umas com as outras nos experimentos realizados. As RNAs propostas obtiveram resultados superiores a outros métodos da
literatura.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/12245 |
Date | 29 July 2013 |
Creators | Fernandes, Bruno José Torres |
Contributors | Cavalcanti, George Darmiton da Cunha, Ren, Tsang Ing |
Publisher | Universidade Federal de Pernambuco |
Source Sets | IBICT Brazilian ETDs |
Language | Breton |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.008 seconds