Segmentação de imagens de cenas naturais baseada no speed drawing challenge com aplicação em segmentação de mapas e plantas baixas
Ano de defesa: | 2022 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso embargado |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Pernambuco
UFPE Brasil Programa de Pos Graduacao em Ciencia da Computacao |
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.ufpe.br/handle/123456789/46319 |
Resumo: | Este trabalho apresenta um método para segmentação de imagens inspirado no Speed Drawing Challenge. O Speed Drawing Challenge consiste em um desafio em que artistas devem representar um desenho em segundos sem perder as principais características que o tornam fiel ao desenho original. À medida que o tempo é reduzido, o artista se encaminha a produzir um desenho mais simples, se aproximando de um desenho contendo apenas os traços mais representativos, focando nos contornos. Para o problema de detecção de contorno, uma imagem de borda representa um desenho produzido sem uma grande limi- tação de tempo. Assim, o método proposto faz uso dos conceitos de superpixel, detecção de bordas e mapas de saliência para produção de uma imagem, simulando a variação de tempo do Speed Drawing Challenge: a modelagem do desafio em poucos segundos ex- pressa uma imagem com apenas os contorno mais relevantes detectados. Diferente das técnicas do estado-da-arte, o método proposto gera uma imagem de bordas já final, sem necessidade de posterior pós-processamento como binarização. Mais do que um algoritmo apenas, propomos uma metodologia que pode ser aplicada de formas diferentes, mas se- guindo a mesma ideia, em outros domínios, como na segmentação de mapas e plantas baixas. Os resultados para imagens de cenas naturais são apresentados para o banco de dados BSDS500 e avaliados de forma qualitativa e quantitativa para as métricas ODS, OIS e AP. |