Análise da robustez de um detector de bordas baseado em autômatos celulares otimizado por enxame de partículas
Carregando...
Tipo
Dissertação
Data de publicação
2024-02-08
Periódico
Citações (Scopus)
Autores
Ferraria, Vinícius Amendoeira
Orientador
Ruivo, Eurico Luiz Prospero
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Oliveira, Pedro Paulo Balbi de
França, Fabricio Olivetti de
França, Fabricio Olivetti de
Programa
Engenharia Elétrica e Computação
Resumo
A emergência de novas áreas de pesquisas e o avanço tecnológico permitem o desenvolvimento e a aplicação de detectores de bordas mais avançados que visam solucionar os problemas dos principais detectores desenvolvidos, como a dificuldade de detecção de bordas soltas e a falta de contexto para extrair informações relevantes de problemas específicos. Com o intuito de aprimorar a tarefa de identificação de bordas e de adaptar a tarefa às propriedades das categorias de imagens de um determinado problema, é estudado um modelo de detector descrito por autômatos celulares de duas dimensões que faz uso de uma fase de otimização abordada por técnicas de meta-heurísticas. A adaptabilidade do detector se dá através da exploração dos parâmetros do modelo e do espaço de busca dos autômatos celulares cujas propriedades e a regra adiram melhor às imagens de entrada. Esse estudo tem como objetivo analisar a robustez da regra obtida pela etapa de otimização, que faz uso do otimizador de enxame de partículas, e a adaptabilidade do modelo para identificar as bordas de um conjunto de imagens natural e de subconjuntos especializados extraídos da mesma base. Os resultados encontrados comprovam a adaptabilidade do modelo estudado para os casos propostos nesta pesquisa e demonstram que a ampliação do espaço de busca não foi efetivo para a base escolhida. As variações dos experimentos demonstraram que independente da validação, o modelo foi capaz de se adaptar à entrada e que as técnicas de Transfer Learning aplicadas ao modelo não apresentaram uma melhora significativa na performance.
Descrição
Palavras-chave
autômatos celulares , computação natural , detecção de borda , processamento de imagem , transfer learning