Análise da robustez de um detector de bordas baseado em autômatos celulares otimizado por enxame de partículas

Página do item simplificado
dc.contributor.advisorRuivo, Eurico Luiz Prospero
dc.contributor.authorFerraria, Vinícius Amendoeira
dc.date.accessioned2024-05-02T19:09:13Z
dc.date.available2024-05-02T19:09:13Z
dc.date.issued2024-02-08
dc.description.abstractA 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.
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/38627
dc.language.isopt_BR
dc.language.isoen
dc.publisherUniversidade Presbiteriana Mackenzie
dc.subjectautômatos celulares
dc.subjectcomputação natural
dc.subjectdetecção de borda
dc.subjectprocessamento de imagem
dc.subjecttransfer learning
dc.titleAnálise da robustez de um detector de bordas baseado em autômatos celulares otimizado por enxame de partículas
dc.typeDissertação
local.contributor.advisorLatteshttp://lattes.cnpq.br/5918644808671007
local.contributor.authorLatteshttp://lattes.cnpq.br/2050270821558656
local.contributor.board1Oliveira, Pedro Paulo Balbi de
local.contributor.board1Latteshttp://lattes.cnpq.br/9556738277476279
local.contributor.board1Orcidhttps://orcid.org/0000-0002-6022-0270
local.contributor.board2França, Fabricio Olivetti de
local.contributor.board2Latteshttp://lattes.cnpq.br/8788356220698686
local.description.abstractenThe emergence of new research areas and technological advancement allow the develop ment and application of more advanced edge detectors that aim to solve the problems of the main detectors developed, such as the difficulty in detecting loose edges and the lack of context to extract relevant information from specific problems. In order to improve the task of identifying edges and adapt the task to the properties of the image categories of a given problem, a detector model described by two-dimensional cellular automata is studied that makes use of an optimization phase addressed by meta-heuristic techniques. The adaptability of the detector occurs through the exploration of the model parameters and the search space of cellular automata whose properties and rule best adhere to the input images. This study aims to analyze the robustness of the rule obtained by the optimization stage, which makes use of the particle swarm optimizer, and the adaptabi lity of the model to identify the edges of a set of natural images and specialized subsets extracted from the same database. The results found prove the adaptability of the mo del studied for the cases proposed in this research and demonstrate that expanding the search space was not effective for the chosen database. The variations of the experiments demonstrated that regardless of validation, the model was able to adapt to the input and that the Transfer Learning techniques applied to the model did not present a significant improvement in performance.
local.keywordscellular automata
local.keywordsnatural computing
local.keywordsedge detection
local.keywordsimage processing
local.keywordstransfer learning
local.publisher.countryBrasil
local.publisher.departmentEscola de Engenharia Mackenzie (EE)
local.publisher.initialsUPM
local.publisher.programEngenharia Elétrica e Computação
local.subject.cnpqCNPQ::ENGENHARIAS
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
VINICIUS AMENDOEIRA FERRARIA - protegida.pdf
Tamanho:
2.85 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
2.22 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Engenharia Elétrica e Computação - Dissertações - EE Higienópolis