Detalhes bibliográficos
Ano de defesa: |
2015 |
Autor(a) principal: |
Freitas, Uéliton de Paula |
Orientador(a): |
Pistori, Hemerson |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Não Informado pela instituição
|
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://repositorio.ufms.br/handle/123456789/2335
|
Resumo: |
Neste trabalho é apresentada uma aplicação voltada para dispositivos móveis cujo objetivo é classificar espécies de peixes por meio de técnicas de Visão Computacional e Inteligência Artificial utilizando imagens. A aplicação foi desenvolvida para smartphones Android e conta com o auxílio da biblioteca de Visão Computacional OpenCV tanto na fase de classificação quanto de treinamento. As técnicas empregadas na descrição das imagens são baseadas em Histogramas de Palavras Visuais aplicados em imagens coloridas. São elas: Histograma de Palavras Visuais (Bag of Visual Words - BoVW), Histograma de Atributos e Cores (Bag of Features and Colors), Histograma de Cores de Wengert (Bag of Colors - BoC), Histograma de Palavras Coloridas (Bag of Colored Words - BoCW) e Histogramas de Cores nos espaços de cores RGB e HSV. Para a classificação das espécies, foram utilizados três tipos de classificadores: Máquina de Vetores de Suporte (Support Vector Machine - SVM), Árvore de Decisão e os K vizinhos mais próximos (K-NN). Nos experimentos foram variados os parâmetros de todos os classificadores a fim de encontrar os melhores resultados para a classificação. Para comparar o desempenho das técnicas de extração de atributos, assim como dos classificadores, foi utilizada a métrica Medida-F (F-Score) como métrica principal e Área Sobre a Curva (AUC) como métrica auxiliar. A técnica com melhor resultado foi a BoC, baseada somente em informações de cores, obteve Medida-F igual a 0:9 e AUC 0:98 utilizando o classificador SVM. |