Detalhes bibliográficos
| Ano de defesa: |
2014 |
| Autor(a) principal: |
Laboreiro, Victor Ramon Silva |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual do Ceará
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=84096
|
Resumo: |
<div style="">O presente trabalho apresenta uma nova abordagem para segmentação automática de imagens faciais frontais coloridas em uma dentre seis classes: olho, nariz, boca, cabelo/barba/sobrancelha, pele e fundo. A classificação de cada pixel é baseada na extração de características de texturas calculadas a partir de uma janela de vizinhança centralizada no pixel de interesse. Análise de texturas é empregada para efetuar a extração de características capazes de discriminar diferentes texturas observadas em imagens faciais através do banco de filtros de Leung-Malik. Devido a elevada dimensionalidade e quantidade de dados extraídos, optou-se não apenas pelo desenvolvimento de uma metodologia capaz de explorar processamento paralelo na GPU e na CPU através das bibliotecas ACML, OpenMP e OpenCL, como também pela inclusão de duas etapas para redução de custos computacionais. A primeira, consiste na aplicação de Projeções Aleatórias nos vetores de características a fim de obter redução de dimensionalidade; enquanto que a segunda consiste na seleção automática de neurônios de uma Rede Neural de Função de Base Radial Multi-Quádrica através do algoritmo seleção de protótipos Fast Condensed Nearest Neighbor. A base de imagens faciais FERET é utilizada nos experimentos e rotulada manualmente. Resultados quantitativos e qualitativos são apresentados neste documento e demonstram que a metodologia é capaz de segmentar corretamente a maioria das classes com um elevado nível de eficácia e dentro de um intervalo de tempo satisfatório comparado a demais trabalhos estado da arte atuais. <span style="font-size: 10pt;">Palavras-chave: Segmentação Facial. Análise de Texturas. Reconhecimento de Padrões. Computação Paralela</span></div> |
