1 / 17

Classificação de Imagens

Classificação de Imagens. IF 133. Por que e para que?. Classificar é transformar dados em informação Imagens em mapas Números em rótulos Objetivo primário da análise de dados Permite reduzir o volume de dados e aumentar a quantidade de informação Operação de visão computacional.

chiku
Download Presentation

Classificação de Imagens

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Classificação de Imagens IF 133

  2. Por que e para que? • Classificar é transformar dados em informação • Imagens em mapas • Números em rótulos • Objetivo primário da análise de dados • Permite reduzir o volume de dados e aumentar a quantidade de informação • Operação de visão computacional

  3. Classificação

  4. Abordagens • Segundo a intervenção do usuário: • Com treinamento – supervisionado • Sem treinamento – sem supervisão • Segundo a modelagem • Com modelo • Sem modelo • Segundo a abordagem • Estatística • Morfológica • Ad hoc etc.

  5. Máxima Verossimilhança • O rei dos métodos estatísticos • Requer modelagem e treinamento • Presente em todos os sistemas profissionais de análise de imagens • É um processo de estimação • O valor observado é comparado com modelos • Escolhe-se a classe na qual o valor é mais verossímil

  6. Modelagem

  7. Treinamento

  8. Regra de classificação MV

  9. Resultado

  10. Qualidade do Resultado • Nem sempre satisfatório, logo… • Verificar as hipóteses • Refinar o treinamento • Refinar o modelo • Classes não descritas • Correlação entre dados • Correlação entre classes

  11. Melhorando a classificação

  12. Classificação MVG • Máxima Verossimilhança Gaussiana • O imperador dos métodos • Supõe dados independentes e obedecendo leis Gaussianas • Dados 1D: intervalos de decisão • Dados nD: regiões de decisão

  13. MVG - 1D

  14. MVG-nD

  15. Regiões de Decisão • Retas • Parábolas • Hipérboles

  16. Método do Paralelepípedo • Supervisionado, com modelo, ad hoc • Mais simples • As amostras induzem paralelepípedos no espaço • Esses paralelepípedos determinam regiões de decisão • Rápido, pouco interpretável, bom para primeira tentativa

  17. Peculiaridades • Não necessariamente particiona o espaço • Pode induzir inconsistências ou indecisões

More Related