English

CIn - Centro de Informática UFPE




Eventos Relacionados

Defesa de Tese de Doutorado Nº 190: "Redes Neurais com Extração Implícita de Características para Reconhecimento de Padrões Visuais"

O aluno Bruno José Torres Fernandes irá defender seu trabalho dia 29 de julho, às 14h, no Anfiteatro Início: 29/07/2013 às 14:00 Término: 29/07/2013 às 16:00 Local: Anfiteatro do CIn

Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado  Nº 190
 
Aluno: Bruno José Torres Fernandes
Orientador: Prof. George Darmiton da Cunha Cavalcanti
Co-orientador: Prof. Tsang Ing Ren
Título: Redes Neurais com Extração Implícita de Características para Reconhecimento de Padrões Visuais
Data: 29/7/2013
Hora/Local: 14:00h - Anfiteatro
Banca Examinadora:
Prof. Aluizio Fausto Ribeiro Araújo(UFPE / CIn)
Prof. Teresa Bernarda Ludermir(UFPE / CIn)
Prof. Tiago Alessandro Espinola Ferreira(UFRPE / DEINFO)
Prof. Carmelo Jose Albanez Bastos Filho(UPE / POLI)
Prof. Luiz Eduardo Soares de Oliveira(UFPR / Departamento de Informática)
 
RESUMO:
 
O desenvolvimento de modelos baseados em teorias sobre a estrutura do cérebro humano tem se mostrado como uma importante ferramenta para a inspiração de novas abordagens para problemas de reconhecimento de padrões visuais. Apesar do cérebro humano não ser completamente entendido, ele já inspirou vários mecanismos utilizados em tarefas de reconhecimento de padrões, como as redes neurais artificiais (RNAs). Os conceitos de campos receptivos e inibitórios e de memória autoassociativa são derivados de estudos do cérebro e vêm sendo empregados na criação de novos classificadores. Os campos receptivos já foram utilizados para melhor analisar texturas e para detectar contornos em vários modelos que têm suas arquiteturas projetadas para receber os dados de entrada na sua forma bruta e extrair suas características. Esse processo é chamado de extração implícita de características. O uso de campos inibitórios trouxe melhorias às RNAs, tornando-as mais estáveis e eficazes. Por outro lado, classificadores autoassociativos são modelos desenvolvidos para aprender as características relacionadas somente aos padrões de uma mesma classe. Esses classificadores decidem se um padrão é conhecido a partir de fronteiras de decisão fechadas no espaço de entrada. Este trabalho propõe três redes neurais inspiradas nos conceitos de campos receptivos e inibitórios e de memória autoassociativa. As redes neurais propostas apresentam uma arquitetura piramidal que fazem uso dos conceitos de campos receptivos e que integram as etapas de extração de características e de classificação de padrões visuais. A primeira rede proposta é a Lateral Inhibition Pyramidal Neural Network (LIPNet) que utiliza o conceito de campos inibitórios e é aplicada em problemas com duas classes. A LIPNet é avaliada em experimentos de detecção de faces com o banco MIT CBCL e de detecção de floresta em imagens de satélite. A segunda rede neural proposta é a AutoAssociative Pyramidal Neural Network (AAPNet) que utiliza o conceito de memória autoassociativa para aprendizagem de uma classe sem exemplos negativos. A AAPNet é avaliada numa tarefa de categorização de objetos com o banco Caltech-101. A última rede neural proposta é a Lateral Inhibition Constructive Autoassociative Neural Network (LICANet) que realiza a aprendizagem autoassociativa através de um algoritmo construtivo que ajusta a arquitetura do modelo durante o treinamento. A LICANet é avaliada em experimentos de reconhecimento de expressão facial com a base JAFFE. As redes neurais propostas obtiveram resultados superiores a outros métodos da literatura.
 
Palavras-chave: Redes neurais, campos receptivos, memória autoassociativa, algoritmos construtivos, reconhecimento de padrões, visão computacional 
  • © Centro de Informática UFPE - Todos os direitos reservados
    Tel +55 81 2126.8430 - Cidade Universitária - 50740-560 - Recife/PE
Plano4 Consultoria Web