Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://bibliotecatede.uninove.br/handle/tede/3093
Registro completo de metadados
Campo DCValorIdioma
dc.creatorGobber, Charles Ferreira-
dc.creator.Latteshttp://lattes.cnpq.br/6396202937482737por
dc.contributor.advisor1Alves, Wonder Alexandre Luz-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3138898469532698por
dc.contributor.referee1Alves, Wonder Alexandre Luz-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3138898469532698por
dc.contributor.referee2Araújo, Sidnei Alves de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2542529753132844por
dc.contributor.referee3Hashimoto, Ronaldo Fumio-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/9283304583756076por
dc.contributor.referee4Mesquita, Marcos Eduardo Ribeiro do Valle-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/7809380690711656por
dc.contributor.referee5Guimarães, Silvio Jamil Ferzoli-
dc.contributor.referee5Latteshttp://lattes.cnpq.br/8522089151904453por
dc.date.accessioned2022-11-17T19:29:01Z-
dc.date.issued2021-03-04-
dc.identifier.citationGobber, Charles Ferreira. Residual spaces based on component trees: theory and applications. 2021. 94 f. Tese( Programa de Pós-Graduação em Informática e Gestão do Conhecimento) - Universidade Nove de Julho, São Paulo.por
dc.identifier.urihttp://bibliotecatede.uninove.br/handle/tede/3093-
dc.description.resumoEsta tese apresenta uma caracterização (i.e., definições, propriedades e algoritmos) de espaços de resíduos obtidos a partir de espaços de primitivas baseados em árvores de componentes. Espaços de resíduos são estruturas hierárquicas construídas de regiões de imagens das quais podemos realizar análise de imagens eficientemente. Para isto, podemos analisar as regiões de resíduos por meio de seus valores maximais levando aos chamados operadores de máximos resíduos. Apesar de tais operadores extraírem informações relevantes, eles não consideram a hierarquia dos espaços de resíduos, o que significa que eles podem extrair resíduos de regiões indesejáveis. Por outro ponto de vista, nesta tese apresentamos uma nova abordagem para analisar espaços de resíduos através de uma estrutura hierárquica chamada de árvore de resíduos. A partir dessa estrutura, extraímos vetores de atributos para construir um modelo de aprendizado de máquinas do qual fornece um valor de correspondência entre regiões conhecidas e nodes (ou regiões) de árvores de resíduos. Posteriormente, a partir dos nodes selecionados da árvore de resíduos, nós apresentamos uma nova abordagem para escolher os melhores nodes residuais. Finalmente, nós mostramos que essa é uma solução para o problema de análise do espaço de resíduos. No intuito de avaliar nossa nova abordagem, alguns experimentos foram conduzidos com um dataset de plantas e os resultados reportam o estado da arte em detecção e segmentação de plantas.por
dc.description.abstractThis thesis presents a characterization (i.e., definitions, properties and algorithms) of residual spaces obtained from spaces of primitives based on component trees. Residual spaces are hierarchical structures constructed from image regions from which we can perform image analysis efficiently. For that, we can analyze residual regions by means of its maximum residual values leading to the called maximum residual operators. Although such operators extract relevant information, they do not take into account the hierarchy of the residual spaces, which means that they may extract residues from undesirable regions. In another point of view, in this thesis we present a novel approach to analyze residual spaces through a hierarchical structure called resid- ual tree. From this structure, we extract attribute vectors to build a machine learning model which gives a matching value between ground truth regions and residual tree nodes (or regions). After, from the selected residual tree nodes, we present a new approach to choose the best residual nodes. Finally, we show that it is a solution to the residual space analysis problem. In order to evaluate our new approach, some experiments were carried out with a plant dataset and results report the state-of-the-art performance in plant detection and segmentation.eng
dc.description.provenanceSubmitted by Nadir Basilio (nadirsb@uninove.br) on 2022-11-17T19:29:01Z No. of bitstreams: 1 Charles Ferreira Gobber.pdf: 24287138 bytes, checksum: 287f61d5ac5e237c389bac5bb9766112 (MD5)eng
dc.description.provenanceMade available in DSpace on 2022-11-17T19:29:01Z (GMT). No. of bitstreams: 1 Charles Ferreira Gobber.pdf: 24287138 bytes, checksum: 287f61d5ac5e237c389bac5bb9766112 (MD5) Previous issue date: 2021-03-04eng
dc.formatapplication/pdf*
dc.languageengpor
dc.publisherUniversidade Nove de Julhopor
dc.publisher.departmentInformáticapor
dc.publisher.countryBrasilpor
dc.publisher.initialsUNINOVEpor
dc.publisher.programPrograma de Pós-Graduação em Informática e Gestão do Conhecimentopor
dc.rightsAcesso Abertopor
dc.subjectespaços de resíduospor
dc.subjectespaços de primitivaspor
dc.subjectoperadores residuaispor
dc.subjectárvores de componentespor
dc.subjectárvores de resíduospor
dc.subjectaprendizagem de máquinaspor
dc.subjectresidual spaceseng
dc.subjectspaces of primitiveseng
dc.subjectresidual operatorseng
dc.subjectcomponent treeseng
dc.subjectresidual treeseng
dc.subjectmachine learningeng
dc.subject.cnpqCIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOpor
dc.titleResidual spaces based on component trees: theory and applicationspor
dc.typeTesepor
Aparece nas coleções:Programa de Pós-Graduação em Informática e Gestão do Conhecimento

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Charles Ferreira Gobber.pdfCharles Ferreira Gobber23,72 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.