Computer vision analysis of unconstrained urban ground-level images (2019)
- Authors:
- Autor USP: TOKUDA, ÉRIC KEIJI - IME
- Unidade: IME
- Sigla do Departamento: MAC
- Subjects: VISÃO COMPUTACIONAL; PROCESSAMENTO DE IMAGENS
- Keywords: Aprendizagem semi-supervisionada; Câmeras de monitoramento; Cidades inteligentes; Computação urbana; Computer vision; Detecção de objetos; Graffiti; Image processing; Machine learning; Object detection; Redes de sensores; Semi-supervised learning; Sensor network; Smart cities; Urban computing
- Agências de fomento:
- Language: Inglês
- Abstract: Atualmente, as imagens são geradas em larga escala e de forma descentralizada. Essa modalidade de dados carrega informações valiosas, mas extrair essas informações nem sempre é trivial. Nesta tese, definimos e propomos soluções a desafios de visão computacional ao utilizar imagens no nível do solo. O primeiro desafio é a anotação de alto custo para avaliar métodos de detecção de objetos. No contexto da degradação da imagem imposta pelo clima, a segunda questão é a falta de análise que avalie o impacto dos métodos de chuvas nos algoritmos de detecção de objetos em imagens chuvosas. O terceiro desafio é a confiabilidade dos resultados da estimativa de densidade de uma rede real de sensores. O surgimento de dados da rede de sensores motiva o último problema, de estimar a degradação urbana na cidade usando imagens em nível de solo. Esses desafios definem o escopo desta tese. Para o primeiro problema, propusemos uma abordagem com menor custo de anotação para comparação de detectores de objetos e a aplicamos em uma abordagem de aprendizado semi-supervisionada usando imagens de vigilância. Para enfrentar o desafio dois, estabelecemos um protocolo e realizamos uma extensa referência de detecção de objetos quando precedidas por métodos de remoção de chuva. Encontramos fortes indicadores de que métodos atuais de remoção de chuva não podem melhorar de maneira robusta a precisão da posterior detecção de objetos quando aplicado dessa maneira direta. A terceira questão foi abordadaatravés da criação de um modelo de detecção probabilística para estabelecer limites teóricos para os erros das distribuições detectadas. A abordagem foi validada usando simulação e aplicada para calcular o mapa de densidade de pedestres em Manhattan. Para atacar o último problema, coletamos sistematicamente imagens públicas de São Paulo e segmentamos as regiões afetadas, como indicadores da degradação urbana da região. O código fonte foi integralmente publicado
- Imprenta:
- Data da defesa: 11.07.2019
-
ABNT
TOKUDA, Eric Keiji. Computer vision analysis of unconstrained urban ground-level images. 2019. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-20012021-191240/. Acesso em: 09 out. 2024. -
APA
Tokuda, E. K. (2019). Computer vision analysis of unconstrained urban ground-level images (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-20012021-191240/ -
NLM
Tokuda EK. Computer vision analysis of unconstrained urban ground-level images [Internet]. 2019 ;[citado 2024 out. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-20012021-191240/ -
Vancouver
Tokuda EK. Computer vision analysis of unconstrained urban ground-level images [Internet]. 2019 ;[citado 2024 out. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-20012021-191240/ - A similarity approach to cities and features
- Cross-relation characterization of knowledge networks
- A new approach for pedestrian density estimation using moving sensors and computer vision
- Impact of the topology of urban streets on mobility optimization
- Revisiting agglomerative clustering
- The impact of real rain in a vision task
- On the relationship between city mobility and blocks uniformity
- Identification of city motifs: a method based on modularity and similarity between hierarchical features of urban networks
- Single image deraining: a comprehensive benchmark analysis
- A comprehensive benchmark analysis of single image deraining: current challenges and future perspectives
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas