Utilizando Contexto na Representação de Imagens para Classificação de Cenas

Nome: KELLY ASSIS DE SOUZA GAZOLLI
Tipo: Tese de doutorado
Data de publicação: 27/06/2014
Orientador:

Nome	Papel
EVANDRO OTTONI TEATINI SALLES	Orientador

Banca:

Nome	Papel
AURA CONCI	Examinador Externo
EVANDRO OTTONI TEATINI SALLES	Orientador
PATRICK MARQUES CIARELLI	Examinador Interno
RAQUEL FRIZERA VASSALLO	Examinador Interno
THOMAS WALTER RAUBER	Examinador Interno

Resumo: A classifica¸c˜ao de cenas ´e um campo bastante popular na ´area de vis˜ao computacional
e encontra diversas aplica¸c˜oes tais como: organiza¸c˜ao e recupera¸c˜ao de imagem baseada
em conte´udo, localiza¸c˜ao e navega¸c˜ao de robˆos. No entanto, a classifica¸c˜ao autom´atica de
cenas ´e uma tarefa desafiadora devido a diversos fatores, tais como, ocorrˆencia de oclus˜ao,
sombras, reflex˜oes e varia¸c˜oes nas condi¸c˜oes de ilumina¸c˜ao e escala.
Dentre os trabalhos que objetivam solucionar o problema da classifica¸c˜ao autom´atica de
cenas, est˜ao aqueles que utilizam transformadas n˜ao-param´etricas e aqueles que tˆem obtido
melhora no desempenho de classifica¸c˜ao atrav´es da explora¸c˜ao da informa¸c˜ao contextual.
Desse modo, esse trabalho prop˜oe dois descritores de imagens que associam informa¸c˜ao
contextual, ou seja, informa¸c˜ao advinda de regi˜oes vizinhas, a um tipo de transformada
n˜ao-param´etrica. O objetivo ´e propor uma abordagem que n˜ao eleve demasiadamente
a dimens˜ao do vetor de caracter´ısticas e que n˜ao utilize a t´ecnica de representa¸c˜ao
intermedi´aria bag-of-features, diminuindo, assim, o custo computacional e extinguindo a
necessidade de informa¸c˜ao de parˆametros, o que possibilita a sua utiliza¸c˜ao por usu´arios
que n˜ao possuem conhecimento na ´area de reconhecimento de padr˜oes.
Assim, s˜ao propostos os descritores CMCT (Transformada Census Modificada Contextual)
e ECMCT (CMCT Estendido) e seus desempenhos s˜ao avaliados em quatro bases de dados
p´ublicas. S˜ao propostas tamb´em cinco varia¸c˜oes destes descritores (GistCMCT, GECMCT,
GistCMCT-SM, ECMCT-SM e GECMCT-SM), obtidas atrav´es da associa¸c˜ao de cada um
deles com outros descritores. Os resultados obtidos nas quatro bases de dados mostram
que as representa¸c˜oes propostas s˜ao competitivas, e que provocam um aumento nas taxas
de classifica¸c˜ao, quando comparados com outros descritores.

Acesso ao documento