| Título: |
Corteza visual evolutiva para la clasificación de objetos en imágenes naturales usando un enfoque multi-objetivo Evolutionary multi-objective visual cortex for object classi?cation in natural images |
| Autores: | Daniel Eduardo Hernández Morales |
| Fecha: | 2016 |
| Publicador: | CICESE |
| Fuente: |
 |
| Tipo: | info:eu-repo/semantics/doctoralThesis |
| Tema: |
info:eu-repo/classification/Autor/Computación info:eu-repo/classification/cti/1 info:eu-repo/classification/cti/12 info:eu-repo/classification/cti/1203 |
| Descripción: |
En la actualidad, los sistemas de visión por computadora se han inspirado del funcionamiento del sistema visual humana con el objetivo de resolver diferentes problemas, tales como la detección y clasi?cación de objetos. Modelos computacionales como el modelo de la corteza visual arti?cial han mostrado resultados prometedores en resolver ese tipo de problemas. Por lo tanto, este trabajo de tesis propone una nueva metodología para la creación de un vector descriptor de imágenes con el objetivo de clasi?carlas; y al mismo tiempo, encontrar la posición en la imagen del objeto de interés. Además, este trabajo implementa el paradigma de optimización conocido como programación de cerebros con un enfoque multi-objetivo; en busca de integrar las tareas visuales de localización y descripción de objetos, con el objetivo de mejorar el rendimiento del sistema en el problema de clasi?cación de objetos. Dicha metodología se implementa para generar soluciones, en base al modelo propuesto, para clasi?car las imágenes de dos bases de datos (GRAZ01 y GRAZ-2) utilizadas en el estado-del-arte como punto de referencia para comparar el rendimiento de diferentes sistemas de clasi?cación. Los modelos generados por medio de la programación cerebral presentes en este trabajo de investigación logran resultados similares, y en algunos casos superiores, a otras técnicas del estado-del-arte en la tarea de clasi?cación de las imágenes previamente mencionadas. In recent years, computer vision systems have used the human visual system as inspiration for solving different tasks such as object detection and classi?cation. Along these lines, computational models such as the Arti?cial Visual Cortex (AVC) have shown promising results while performing dif?cult visual tasks. In this way, this thesis proposes a new methodology for creating an image descriptor vector in order to classify it, and simultaneously ?nding the objects’ location within the image. This work implements the brain programming paradigm from a multi-objective perspective; seeking to integrate two visual tasks, object localization and object description, in the interest of improving the system’s performance in the object classi?cation task.This methodology is implemented for training the proposed model for classify the images from the GRAZ-01 and GRAZ-02 databases, which serve as a comparison standard for classi?cation systems. The solutions found in this research match, and in some cases outperform, other techniques of the state-of-theart for classifying the aforementioned databases. |
| Idioma: | spa |
1 | 6 |
2 | 7 |
3 | 8 |
4 | 9 |
5 | 10 |