skip to main content
Idioma:
Primo Search
Clear Search Box
Search in: Busca Geral
Busca Avançada
Busca por Índices
Tipo de recurso Mostra resultados com: Mostra resultados com: Índice

Redes neurais com extração implícita de características para reconhecimento de padrões visuais

Fernandes, Bruno José Torres

Universidade Federal de Pernambuco

Sem texto completo

Citações Citado por
  • Título:
    Redes neurais com extração implícita de características para reconhecimento de padrões visuais
  • Autor: Fernandes, Bruno José Torres
  • Descrição: 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.
  • Editor: Universidade Federal de Pernambuco
  • Idioma: Bretão
Links
Voltar para lista de resultados

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.