Geração de imagens artificiais e quantização aplicadas a problemas de classificação (2016)
- Authors:
- Autor USP: THUMÉ, GABRIELA SALVADOR - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: PROCESSAMENTO DE IMAGENS; RECONHECIMENTO DE PADRÕES
- Keywords: Bases de dados desbalanceados; Classificação de imagens; Geração de imagens; Image classification; Image generation; Image processing; Image quantization; Processamento de imagens; Quantização; Unbalanced datasets
- Language: Português
- Abstract: Cada imagem pode ser representada como uma combinação de diversas características, como por exemplo o histograma de intensidades de cor ou propriedades de textura da imagem. Essas características compõem um vetor multidimensional que representa a imagem. É comum esse vetor ser dado como entrada para um método de classificação de padrões que, após aprender por meio de diversos exemplos, pode gerar um modelo de decisão. Estudos sugerem evidências de que a preparação das imagens-- por meio da especificação cuidadosa da aquisição, pré-processamento e segmentação-- pode impactar significativamente a classificação. Além da falta de tratamento das imagens antes da extração de características, o desbalanceamento de classes também se apresenta como um obstáculo para que a classificação seja satisfatória. Imagens possuem características que podem ser exploradas para melhorar a descrição dos objetos de interesse e, portanto, sua classificação. Entre as possibilidades de melhorias estão: a redução do número de intensidades das imagens antes da extração de características ao invés de métodos de quantização no vetor já extraído; e a geração de imagens a partir das originais, de forma a promover o balanceamento de bases de dados cujo número de exemplos de cada classe é desbalanceado. Portanto, a proposta desta dissertação é melhorar a classificação de imagens utilizando métodos de processamento de imagens antes da extração de características. Especificamente, busca analisar a influência dobalanceamento de bases de dados e da quantização na classificação. Este estudo analisa ainda a visualização do espaço de características após os métodos de geração artificial de imagens e de interpolação das características extraídas das imagens originais (SMOTE), comparando como espaço original. A ênfase dessa visualização se dá na observação da importância do rebalanceamento das classes. Os resultados obtidos indicam que a quantização simplifica as imagens antes da extração de características e posterior redução de dimensionalidade, produzindo vetores mais compactos; e que o rebalanceamento de classes de imagens através da geração de imagens artificiais pode melhorar a classificação da base de imagens, em relação à classificação original e ao uso de métodos no espaço de características já extraídas.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2016
- Data da defesa: 29.04.2016
-
ABNT
THUMÉ, Gabriela Salvador. Geração de imagens artificiais e quantização aplicadas a problemas de classificação. 2016. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2016. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16122016-150334/. Acesso em: 05 out. 2024. -
APA
Thumé, G. S. (2016). Geração de imagens artificiais e quantização aplicadas a problemas de classificação (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16122016-150334/ -
NLM
Thumé GS. Geração de imagens artificiais e quantização aplicadas a problemas de classificação [Internet]. 2016 ;[citado 2024 out. 05 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16122016-150334/ -
Vancouver
Thumé GS. Geração de imagens artificiais e quantização aplicadas a problemas de classificação [Internet]. 2016 ;[citado 2024 out. 05 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-16122016-150334/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
