Aprendizado ativo para recuperação e classificação de imagens

• Ano de defesa: 2018
• Autor(a) principal: Bressan, Rafael Staiger
• Orientador(a): Saito, Priscila Tiemi Maeda
• Banca de defesa: Sanches, Danilo Sipoli , Paschoal, Alexandre Rossi , Júnior, Sylvio Barbon , Saito, Priscila Tiemi Maeda
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Cornelio Procopio
• Programa de Pós-Graduação: Programa de Pós-Graduação em Informática
• País: Brasil
• Palavras-chave em Português: Banco de dados; Processamento de imagens; Sistemas de reconhecimento de padrões; Data bases; Image processing; Pattern recognition systems
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/4534

Atualmente, bancos de dados de imagens vêm crescendo, surgindo a necessidade de otimização e de aceleração dos processos de recuperação e classificação de imagens, em conjunto com a melhoria da qualidade dos resultados retornados. Neste contexto, este trabalho propõe a utilização de estratégias de aprendizado ativo para classificação e recuperação de imagens, de forma a selecionar amostras mais informativas e minimizar a interação do especialista durante o processo de aprendizado. Além disso, novas estratégias de aprendizado ativo são propostas para as tarefas de classificação e de recuperação de imagens baseadas em conteúdo. Para validação das propostas, foram realizados experimentos utilizando conjuntos de dados de diferentes domínios de aplicação. A partir dos resultados obtidos, é possível observar ganhos significativos apresentados pelas propostas em relação às estratégias amplamente utilizadas na literatura.