Classificação de Objetos usando os momentos de Zernike
Resumo
Os momentos de Zernike são conjuntos de polinômios complexos usados em problemas de visão computacional e existem diversos trabalhos que exploram as suas propriedades descritor de atributos que se apresenta invariável a rotação. Neste artigo, é explorado o desempenho dos momentos de Zernike em um problema de classificação ao qual os conjuntos de cada classe possuem uma variedade de perspectivas. Para isso, foi utilizado a base de dados Natural Images e três algoritmos de aprendizado de máquina.Com o intuito de trazer uma comparação e mostrar os impactos das variações dos parâmetros nos desempenho dos algoritmos. Ao final do trabalho, o melhor resultado obtido foi o de 77% de acurácia.
Referências
Bonesso, D. (2013). Estimação dos parâmetros do kernel em um classificador svm na classificação de imagens hiperespectrais em uma abordagem multiclasse. Master’s thesis, Universidade Federal do Rio Grande do Sul. Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia.
Bruce, P. and Bruce, A. (2019). Estatística Prática para Cientistas de Dados. Alta Books, 1th edition.
Carvalho, B. and Fernandes, B. (2020). Método de reconhecimento e padronização de captação para imagens de chave em protocolos de manutenção de estação radio base. Revista de Engenharia e Pesquisa Aplicada, pages 84–90.
Cecotti, H. (2020). Rotation invariant descriptors for galaxy morphological classification. International Journal of Machine Learning and Cybernetics.
Cruz, L. R. (2004). Reconhecimento de padr˜oes em imagens por descritores de forma. Master’s thesis, Universidade Federal do Rio Grande do Sul. Instituto de Informática. Programa de Pós-Graduação em Computação.
Geron, A. (2019). M˜ãos à obra:Aprendizagem de Máquina Scikit-Learn e TensorFlow. Alta Books, 1th edition.
Ivan Nunes da Silva, D. H. S. and Flauzino, R. A. (2016). Redes Neurais Artificiais Para Engenharia e Ciências Aplicadas: Fundamentos Teóricos e Aspectos Práticos. Artliber, 2th edition.
Kaggle (2018). Natural images. Disponível em: https://www.kaggle.com/prasunroy/natural-images. Acessado em : 26 jun 2020.
Khotanzad, A. and Hong, Y. (1990). Invariant image recognition by zernike moments.
IEEE Transactions on Pattern Analysis and Machine Intelligence, 12(5):489–497.
Bruce, P. and Bruce, A. (2019). Estatística Prática para Cientistas de Dados. Alta Books, 1th edition.
Carvalho, B. and Fernandes, B. (2020). Método de reconhecimento e padronização de captação para imagens de chave em protocolos de manutenção de estação radio base. Revista de Engenharia e Pesquisa Aplicada, pages 84–90.
Cecotti, H. (2020). Rotation invariant descriptors for galaxy morphological classification. International Journal of Machine Learning and Cybernetics.
Cruz, L. R. (2004). Reconhecimento de padr˜oes em imagens por descritores de forma. Master’s thesis, Universidade Federal do Rio Grande do Sul. Instituto de Informática. Programa de Pós-Graduação em Computação.
Geron, A. (2019). M˜ãos à obra:Aprendizagem de Máquina Scikit-Learn e TensorFlow. Alta Books, 1th edition.
Ivan Nunes da Silva, D. H. S. and Flauzino, R. A. (2016). Redes Neurais Artificiais Para Engenharia e Ciências Aplicadas: Fundamentos Teóricos e Aspectos Práticos. Artliber, 2th edition.
Kaggle (2018). Natural images. Disponível em: https://www.kaggle.com/prasunroy/natural-images. Acessado em : 26 jun 2020.
Khotanzad, A. and Hong, Y. (1990). Invariant image recognition by zernike moments.
IEEE Transactions on Pattern Analysis and Machine Intelligence, 12(5):489–497.
Publicado
10/09/2020
Como Citar
BERNARDES, José; SAMPAIO, Pedro; GOMES, Kamila; DE PAULA JÚNIOR, Iális; DE SOUZA, Marcelo.
Classificação de Objetos usando os momentos de Zernike. In: ESCOLA REGIONAL DE COMPUTAÇÃO DO CEARÁ, MARANHÃO E PIAUÍ (ERCEMAPI), 8. , 2020, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 157-164.
DOI: https://doi.org/10.5753/ercemapi.2020.11480.
