Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/2934
Tipo do documento: | Dissertação |
Título: | Meta-learning applications in digital image processing |
Título(s) alternativo(s): | Aplicações de meta-aprendizado no processamento de imagens digitais |
Autor: | SEPULVEDA, Luis Fernando Marin |
Primeiro orientador: | SILVA, Aristófanes Corrêa |
Primeiro membro da banca: | SILVA, Aristófanes Corrêa |
Segundo membro da banca: | CONCI, Aura |
Terceiro membro da banca: | LOPES, Denivaldo Cicero Pavao |
Quarto membro da banca: | ALMEIDA, João Dallyson Sousa de |
Resumo: | Nas últimas décadas, avanços nos dispositivos de captura e aumento da imagem digital disponível dados estimularam a criação de metodologias para processamento de dados que produzem várias formas de modelos valiosos, como descritores, classificadores, aproximações e visualizações. Esses modelos são freqüentemente desenvolvidos no campo de aprendizado de máquina, que é caracterizado por um grande número de algoritmos disponíveis, esses algoritmos geralmente não possui diretrizes para identificar a mais apropriada com base em dados específicos aos quais eles serão aplicados e a natureza do problema em análise. Existe um conhecimento que permite relacionar os recursos dos algoritmos e dados que apresentam um bom desempenho para realizar uma tarefa específica, conhecida como meta-conhecimento, que pode incluir informações sobre algoritmos, métricas de avaliação para calcular a similaridade de conjuntos de dados ou a relação de tarefas. Ser Meta-Aprender o estudo de métodos baseados em princípios que exploram o Meta-Conhecimento obter modelos e soluções eficientes, adaptando os processos de Machine Learning e mineração de dados. A pesquisa realizada neste trabalho analisa as aplicações e vantagens oferecidas pelo Meta-Learning no campo do processamento de imagens digitais. Para realizar Nesta tarefa, diferentes tipos de imagens, caracterizadores e técnicas de análise de recursos são usava; além disso, várias técnicas de aprendizado de máquina são aplicadas. Os resultados obtidos mostram que a metodologia baseada no Meta-Learning é eficiente quando aplicada no processamento de imagens digitais para identificação e armazenamento da experiência gerada pelo desenvolvimento metodologias para classificação de diferentes tipos de imagens, obtendo um alto desempenho com relação a uma métrica de avaliação. Esta afirmação significa que o Meta-Learning permite recomendar a metodologia mais apropriada para executar o processamento de um tipo de imagem com base nos recursos do conjunto de dados em análise e no tipo de tarefa específica a ser ser realizado. |
Abstract: | In recent decades, advances in capture devices and increase of available digital image data have stimulated the creation of methodologies for data processing that produce various forms of valuable models, such as descriptors, classifiers, approximations and visualizations. These models are often developed in the field of machine learning, which is characterized by a large number of available algorithms, these algorithms often do not have guidelines to identify the most appropriate one based on specific data to which they will be applied and nature of problem under analysis. There is a knowledge that allows to relate the features of the algorithms and data that present a good performance to fulfill a specific task, known as Meta-Knowledge, which can include information on algorithms, evaluation metrics to calculate similarity of datasets or relation of tasks. Being Meta-Learning the study of methods based on principles that explore the Meta-Knowledge to obtain efficient models and solutions, adapting the processes of Machine Learning and Data Mining. The research carried out in this work analyzes the applications and advantages offered by Meta-Learning in field of digital image processing. To carry out this task, different types of images, characterizers, and feature analysis techniques are used; in addition, multiple Machine Learning techniques are applied. The results obtained show that methodology based on Meta-Learning is efficient when applied in processing of digital images for identification and storage of experience generated by developing methodologies for classification of different types of images, obtaining a high performance with respect to an evaluation metrics. This statement means that Meta-Learning allows recommending the most appropriate methodology to perform the processing of a specific type of image based on features of dataset under analysis and the type of specific task to be performed. |
Palavras-chave: | Meta-learning Image processing Machine-learning Feature selection Meta-data CNN Meta-aprendizagem Processamento de imagem Aprendizado de máquina Seleção de recursos Meta-dados CNN |
Área(s) do CNPq: | Engenharia Elétrica |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Federal do Maranhão |
Sigla da instituição: | UFMA |
Departamento: | DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET |
Programa: | PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET |
Citação: | SEPULVEDA, Luis Fernando Marin. Meta-learning applications in digital image processing. 2019. 112 f. Dissertação (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2019 . |
Tipo de acesso: | Acesso Aberto |
URI: | https://tedebc.ufma.br/jspui/handle/tede/tede/2934 |
Data de defesa: | 8-Nov-2019 |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
LuisFernandoSepulveda.pdf | Tese de Doutorado | 5,96 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.