Texto completo
| |
| Autor(es): |
Caroline Mazini Rodrigues
Número total de Autores: 1
|
| Tipo de documento: | Dissertação de Mestrado |
| Imprenta: | Campinas, SP. |
| Instituição: | Universidade Estadual de Campinas (UNICAMP). Instituto de Computação |
| Data de defesa: | 2020-06-04 |
| Membros da banca: |
Zanoni Dias;
Moacir Antonelli Ponti;
Hélio Pedrini
|
| Orientador: | Zanoni Dias; Anderson de Rezende Rocha |
| Resumo | |
Uma diversidade de eventos, como atos terroristas e catástrofes naturais, ocorrem frequentemente em todo o mundo. A disponibilidade de imagens na internet pode ajudar a entender esses eventos. Ao lidar com imagens de eventos, filtrar as imagens é um dos principais desafios. Os dados cruciais, que realmente poderiam representar o evento, podem estar misturados com quantidades ainda maiores de dados sem importância. No entanto, a seleção manual de imagens representativas (úteis) em uma grande quantidade de dados pode ser inviável. Assim, uma pergunta surge: como separar automaticamente as imagens representativas das não-representativas? Nesta pesquisa, propomos técnicas para lidar com essa questão, considerando a falta de imagens rotuladas para indicar representatividade. Lidamos com a recuperação de imagens por representatividade usando métodos de recuperação de imagem baseados em conteúdo (Content-Based Image Retrieval - CBIR), posteriormente aprimorados por métricas de avaliação de qualidade de ranking. No entanto, um dos maiores problemas ao recuperar imagens é representá-las de maneira correta semanticamente. Para propor representações capazes de capturar a semântica de eventos, apresentamos duas abordagens. Nossas abordagens são baseadas em representações de componentes que podem codificar as informações necessárias para descrever os eventos, como pessoas que fizeram parte do evento (por exemplo, suspeitos ou vítimas); objetos que aparecem na cena (por exemplo, carros ou armas); e o local onde o evento se desenrolou (por exemplo, parques, estádios ou prédios). A primeira abordagem proposta, chamada Espaço Semântico de Evento, pretende descrever imagens como uma representação de baixa dimensionalidade usando uma pequena quantidade de imagens representativas conhecidas. A segunda abordagem, chamada Espaço Combinado de Evento, visa melhorar os resultados de precisão da primeira abordagem aprendendo uma maneira de combinar os componentes representativos. Os resultados em três conjuntos de dados de eventos do mundo real atestam a capacidade de nossos métodos para representar eventos com base na combinação de componentes representativos (AU) | |
| Processo FAPESP: | 18/16214-3 - Análise de dados heterogêneos para detecção de eventos |
| Beneficiário: | Caroline Mazini Rodrigues |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |