Uma abordagem baseada em meta-aprendizado para recomendar algoritmos de segmentação de imagens

Página do item simplificado
dataload.collectionmapped02 - Mestrado - Ciência da Computaçãopt_BR
dataload.filenamenourau4992.pdfpt_BR
dataload.handlemapped123456789/50pt_BR
dataload.idpergamum178330pt_BR
dataload.idvirtuanourauvtls000210079pt_BR
dataload.idvirtuapergamumvtls000210079pt_BR
dataload.idvirtuapergamum.sameurlnourauSIMpt_BR
dataload.linknourauhttp://www.bibliotecadigital.uel.br/document/?code=vtls000210079pt_BR
dataload.linknourau.regularSIMpt_BR
dataload.linknourau.retificadohttp://www.bibliotecadigital.uel.br/document/?code=vtls000210079pt_BR
dataload.linknourau.size64.00pt_BR
dc.contributor.advisorBarbon Junior, Sylvio [Orientador]pt_BR
dc.contributor.authorCampos, Gabriel Fillipe Centinipt_BR
dc.contributor.bancaFelinto, Alan Salvanypt_BR
dc.contributor.bancaFrança, José Alexandre dept_BR
dc.contributor.bancaMelo, Leonimer Flávio dept_BR
dc.coverage.spatialLondrinapt_BR
dc.date.accessioned2024-05-01T14:54:18Z
dc.date.available2024-05-01T14:54:18Z
dc.date.created2016.00pt_BR
dc.date.defesa25.11.2016pt_BR
dc.description.abstractResumo: Existem vários algoritmos de segmentação de imagens, porém, não existe um algoritmo que seja adequado para todos os tipos de aplicações envolvendo imagens Recomendar um algoritmo de segmentação ideal é uma tarefa desafiadora que requer conhecimento sobre o problema e sobre os algoritmos Nos últimos anos, o Meta-Aprendizado, oriundo do Aprendizado de Máquina, emergiu para contribuir na solução do problema de seleção de algoritmos Neste trabalho, Meta-Aprendizado foi utilizado para recomendar algoritmos de segmentação de imagens, baseando-se em meta-conhecimento Experimentos foram realizados em quatro meta-bases (bases de dados de Meta-Aprendizado) diferentes que representam problemas reais, recomendando se três diferentes segmentadores (Otsu, K-means e SVM) são adequados ou não adequados para uma dada imagem Um conjunto de 44 características baseadas em cor, domínio da frequência, histograma, textura, contraste e qualidade de imagem foi extraído das amostras, para realizar a tarefa de recomendação em diferentes cenários de segmentação Os resultados mostraram que, em geral, os meta-modelos construídos com o algoritmo Random Forest obtiveram alta performance em recomendar o algoritmo de segmentação,se comparados com os meta-modelos construídos por outros oito algoritmospt_BR
dc.description.abstractother1Abstract: There are many algorithms for image segmentation, but there is no optimal algorithm for all kind of image applications To recommend an adequate algorithm for image segmentation is a challenging task that requires knowledge about the problem and the algorithmsInthepastyears,Meta-Learning has emerged from the Machine Learning research field to help solving the algorithm selection problem This paper applies Meta-Learning to recommend image segmentation algorithms based on meta-knowledge We performed experiments in four different meta-databases that represent various real problems, recommending when three different segmentation techniques are adequate or not A set of 44 features based on color, frequency domain, histogram, texture, contrast and image quality was extracted from images in order to perform the recommending task in different segmentation scenarios Results show that Random Forest meta-models were able to recommend the segmentation algorithm at the overall scenario with high predictive performance in comparison to other eight algorithmspt_BR
dc.description.notesDissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computaçãopt_BR
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/15691
dc.languagepor
dc.relation.coursedegreeMestradopt_BR
dc.relation.coursenameCiência da Computaçãopt_BR
dc.relation.departamentCentro de Ciências Exataspt_BR
dc.relation.ppgnamePrograma de Pós-Graduação em Ciência da Computaçãopt_BR
dc.subjectSistemas de reconhecimento de padrõespt_BR
dc.subjectProcessamento de imagenspt_BR
dc.subjectVisão por computadorpt_BR
dc.subjectAprendizado do computadorpt_BR
dc.subjectAlgoritmos genéticospt_BR
dc.subjectMachine learningpt_BR
dc.subjectPattern recognitionpt_BR
dc.subjectGenetic algorithmspt_BR
dc.subjectImage processingpt_BR
dc.subjectComputer visionpt_BR
dc.titleUma abordagem baseada em meta-aprendizado para recomendar algoritmos de segmentação de imagenspt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
4992.pdf
Tamanho:
21.76 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

02 - Mestrado - Ciência da Computação