Publication: Análise de classificadores aplicados às projeções na Garrafa de Klein
Loading...
submission.sections.submit.progressbar.describe.tipo
Date
submission.sections.submit.progressbar.describe.acesso
Collections
item.page.program
item.page.cnpq
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
Journal Title
Journal ISSN
Volume Title
item.page.advisor1
item.page.coAdvisors
Summary
Este trabalho propõe o estudo e a implementação de técnicas avançadas para a caracterização de texturas artificiais e naturais em imagens digitais, adaptando as técnicas de Ribeiro, Oliveira e Barcelos (2018) ao contexto das projeções no espaço da garrafa de klein. Foram aplicados novos classificadores, incluindo modelos não supervisionados como KNN, K-Means Clustering, modelos de Deep Learning. O trabalho também abordou técnicas de Aprendizado por Reforço, como Q-Learning, LabelPropagation, MLPClassifier. Algumas Bases de Imagens públicas foram testadas e foram obtidos resultados, por exemplo, na análise detalhada dos experimentos e das métricas revelou o desempenho dos diferentes algoritmos, destacando as vantagens e desvantagens de cada abordagem em contextos específicos. Os modelos de Machine Learning propostos (Rede Neural Convolucional (CNN), K-Nearest Neighbors (KNN) e Classificador baseado em Redes Neurais Multicamadas (MLP-Classifier)) atingindo acurácias de 87,02% na Base CUReT e 88,34% na Base KTH-TIPS. Durantes as análises dos resultados obtidos, obteve-se insights sobre a aplicação de algoritmos de machine learning para problemas de classificação em imagens. Pretende-se aplicar IA Generativa e Modelos de Fine-Tuning para melhoria dos resultados.
Abstract
Keywords
Texturas, Garrafa de Klein, Aprendizado de Máquina, Deep Learning, Convolutional Neural Networks.
Citation
JUNIOR, Carlos Humberto Martins. Análise de classificadores aplicados às projeções na Garrafa de Klein. 2024. 73 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2024.
item.page.doi
Collections
Endorsement
Review
Supplemented By
Referenced By
Creative Commons license
Except where otherwise noted, this item's license is described as Acesso Aberto