Aprendizado de representações e caracterização de redes complexas com aplicações em visão computacional (2021)
- Authors:
- Autor USP: RIBAS, LUCAS CORREIA - ICMC
- Unidade: ICMC
- Sigla do Departamento: FCM
- DOI: 10.11606/T.55.2021.tde-03032022-083354
- Subjects: RECONHECIMENTO DE PADRÕES; REDES COMPLEXAS; APRENDIZADO COMPUTACIONAL; REDES NEURAIS; VISÃO COMPUTACIONAL
- Keywords: Artificial neural networks; Complex networks; Computer vision; Machine learning; Pattern recognition
- Agências de fomento:
- Language: Português
- Abstract: As redes complexas têm sido utilizadas como ferramenta de estudo em diversas áreas da ciência devido ao seu carácter multidisciplinar e perspectiva inovadora em relação à análise de dados tradicional. Em visão computacional, diversas abordagens baseadas em redes complexas foram propostas ao longo dos últimos anos com resultados promissores. Tal sucesso é explicado pela capacidade de modelar e quantificar a complexidade presente em muitas imagens, principalmente das advindas da natureza que possui um comportamento não linear. Embora os resultados sejam promissores, técnicas de modelagem otimizadas e métodos de caracterização mais robustos para descrever a complexidade da topologia das redes são necessários. Este trabalho tem como objetivo investigar e propor novas técnicas de modelagem e caracterização de redes complexas focando na aplicação em problemas de visão computacional. Especificamente, foram investigados problemas clássicos de análise de imagens e vídeos: análise de texturas (em níveis de cinza, coloridas e dinâmicas) e formas. Em relação à modelagem, foi estudada uma abordagem eficaz e otimizada para mapear as imagens e vídeos de texturas em redes complexas direcionadas. A respeito da caracterização, com base em métricas clássicas e autômatos celulares, foram propostas duas melhorias: (i) padrões binários em autômatos de rede (LLNA-BP) para caracterização de redes complexas e (ii) redes de transformada da distância para análise de formas. Além disso, foi investigadoo aprendizado de representações usando redes neurais randomizadas (RNNs); uma arquitetura simples e com rápido algoritmo de aprendizado. Nesse sentido, como nova forma de caracterização, foram propostas representações formadas pelos pesos da camada de saída de RNNs treinadas com características topológicas de redes complexas. Ao combinar as técnicas desenvolvidas de modelagem e de aprendizado de representações, vários métodos foram propostos para análise de texturas em níveis de cinza, coloridas e dinâmicas e análise de formas. Resultados promissores foram alcançados pelos métodos desenvolvidos em comparação aos métodos da literatura em tarefas de classificação usando vários conjuntos de dados que são referência. Adicionalmente, para avaliar o potencial dos métodos desenvolvidos, foram investigadas cinco aplicações em problemas reais nas áreas de biologia, botânica, físicoquímica e medicina, alcançando resultados interessantes e contribuindo para o desenvolvimento destas áreas.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 22.11.2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
RIBAS, Lucas Correia. Aprendizado de representações e caracterização de redes complexas com aplicações em visão computacional. 2021. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03032022-083354/. Acesso em: 19 abr. 2024. -
APA
Ribas, L. C. (2021). Aprendizado de representações e caracterização de redes complexas com aplicações em visão computacional (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03032022-083354/ -
NLM
Ribas LC. Aprendizado de representações e caracterização de redes complexas com aplicações em visão computacional [Internet]. 2021 ;[citado 2024 abr. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03032022-083354/ -
Vancouver
Ribas LC. Aprendizado de representações e caracterização de redes complexas com aplicações em visão computacional [Internet]. 2021 ;[citado 2024 abr. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03032022-083354/ - Análise de texturas dinâmicas baseada em sistemas complexos
- A complex network based approach for knee osteoarthritis detection: data from the Osteoarthritis initiative
- “Prêmio CAPES – Teses 2022”: Pós-doc do IFSC/USP arrecada Menção Honrosa e prêmio da Sociedade Brasileira de Computação (SBC)
- Dynamic texture analysis with diffusion in networks
- Learning graph representation with randomized neural network for dynamic texture classification
- Dynamic texture analysis using networks generated by deterministic partially self-avoiding walks
- Dynamic texture classification using deterministic partially self-avoiding walks on networks
- A fractal-based approach to network characterization applied to texture analysis
- Deterministic partially self-avoiding walks on networks for natural shapes classification
- Randomized neural network based signature for dynamic texture classification
Informações sobre o DOI: 10.11606/T.55.2021.tde-03032022-083354 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas