Publicação: Análise estatística das taxas de reconhecimento de imagens de edifícios em ambientes urbanos utilizando quantização vectorial e aprendizagem profunda
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
O reconhecimento de edifícios é essencial para uma variedade de aplicações tais como detecção automática de alvos, reconstrução de cidades em 3D, navegação digital, etc. Este trabalho visa analisar comparativamente as taxas de reconhecimento de imagens de edifícios, usando a técnica de Quantização Vetorial para compressão de imagens usando o algoritmo Linde-Buzo-Gray, com os resultados obtidos pelo método Deep Learning. Foram analisadas 40 classes com 30 imagens por classe, separadamente, na escala de cores cinza, vermelha, verde, azul e em RGB, variando a quantidade de centroides em 16, 32, 64, 128 e 256 para a técnica de quantização vetorial, e também variando a porcentagem da quantidade de imagens para treinamento em 40%, 50% e 60%, com suas respectivas porcentagens da quantidade de imagens para reconhecimento, em ambos os métodos. Para verificar as diferenças, foi realizada a ANOVA, com o post-hoc de Tukey com 5% de significância. Os resultados descritivos obtiveram altas taxas de reconhecimento, em ambos os métodos. Na análise inferencial dos resultados obtidos na Quantização Vetorial, foram encontradas taxas significativas de reconhecimento a partir de 32 centroides. Ao comparar os resultados das duas técnicas, nenhuma diferença significativa foi encontrada.
Abstract
Building recognition is essential for a variety of applications such as automatic target detection, 3D city reconstruction, digital navigation, etc. This paper aims to comparatively analyze the recognition rates of building images, using the Vector Quantization technique for image compression using the Linde-Buzo-Gray algorithm, with the results obtained by the Deep Learning method. Forty classes were analyzed, with 30 images per class, separately, in gray, red, green, blue and RGB, varying the number of centroids in 16, 32, 64, 128 and 256 for the vector quantization technique, and also varying the percentage of the amount of images for training in 40%, 50% and 60%, with their respective percentages of the amount of images for recognition, in both methods. To check the differences, ANOVA was performed, with Tukey's post-hoc at 5% significance. The descriptive results showed high recognition rates, in both methods. In the inferential analysis of the results obtained in Vector Quantization, significant recognition rates were found from 32 centroids on. When comparing the results of the two techniques, no significant difference was found.
Palavras-chave
Reconhecimento de imagem, Quantização Vetorial, Aprendizagem Profunda, Image recognition, inteligência artificial, Deep Learning, Vector Quantization, Artificial intelligence
Citação
VASCONCELOS, Eduardo Silva. Análise estatística das taxas de reconhecimento de imagens de edifícios em ambientes urbanos utilizando quantização vectorial e aprendizagem profunda. 2022. 77 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2023. DOI http://doi.org/10.14393/ufu.te.2023.4
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto