1. Identity statement | |
Reference Type | Conference Paper (Conference Proceedings) |
Site | mtc-m16d.sid.inpe.br |
Holder Code | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identifier | 8JMKD3MGPDW34R/3U53E98 |
Repository | sid.inpe.br/mtc-m16d/2019/09.24.18.37 |
Last Update | 2019:09.24.18.37.06 (UTC) simone |
Metadata Repository | sid.inpe.br/mtc-m16d/2019/09.24.18.37.06 |
Metadata Last Update | 2022:07.08.20.08.27 (UTC) administrator |
Citation Key | FuhrLimaCamp:2019:FrMaLe |
Title | Framework de machine learning para busca de melhores parâmetros em algoritmos de restauração de imagens |
Format | On-line |
Year | 2019 |
Access Date | 2024, May 16 |
Secondary Type | PRE CN |
Number of Files | 1 |
Size | 76 KiB |
|
2. Context | |
Author | 1 Fuhr, Gabriel Tobias 2 Lima, João Vicente Ferreira 3 Campos Velho, Haroldo Fraga de |
Resume Identifier | 1 2 3 8JMKD3MGP5W/3C9JHC3 |
Group | 1 2 3 LABAC-COCTE-INPE-MCTIC-GOV-BR |
Affiliation | 1 Universidade Federal de Santa Maria (UFSM) 2 Universidade Federal de Santa Maria (UFSM) 3 Instituto Nacional de Pesquisas Espaciais (INPE) |
Author e-Mail Address | 1 gtfuhr@inf.ufsm.br 2 jvlima@inf.ufsm.br 3 haroldo.camposvelho@inpe.br |
Editor | Santos, Rafael Duarte Coelho Dos Mattos, Ariane Frassoni Dos Santos De Mello, Carina Barros Queiroz, Gilberto Ribeiro De Vasconcelos, Leandro Guarino De Vieira, Luis Eduardo Antunes Forti, Maria Cristina Gatto, Rubens Cruz |
Conference Name | Seminário de Iniciação Científica e Iniciação em Desenvolvimento Tecnológico e Inovação (SICINPE) |
Conference Location | São José dos Campos |
Date | 12-13 ago. 2019 |
Publisher | Instituto Nacional de Pesquisas Espaciais (INPE) |
Publisher City | São José dos Campos |
Book Title | Anais |
Organization | Instituto Nacional de Pesquisas Espaciais (INPE) |
History (UTC) | 2019-09-24 18:38:09 :: simone -> administrator :: 2019 2020-01-06 12:48:41 :: administrator -> simone :: 2019 2020-05-13 20:04:15 :: simone -> administrator :: 2019 2022-07-08 20:08:27 :: administrator -> simone :: 2019 |
|
3. Content and structure | |
Is the master or a copy? | is the master |
Content Stage | completed |
Transferable | 1 |
Keywords | machine learning algoritmos restauração de imagens |
Abstract | Uma das importantes atividades no ramo de pesquisa Aeroespacial é a de capturar imagens através de câmeras e sensores aerotransportados por aviões e satélites. Tais imagens podem sofrer com ruídos externos durante a sua captura. Procurando suavizar efeitos negativos causados pelos ruídos, o tratamento de imagens, ramo da Ciência da Computação, é utilizado para remover em parte os ruídos de imagens. Soluções como essas, quando eficientes, ou seja, quando conseguem restaurar as imagens a um estado mais próximo da realidade, representam um avanço significativo para áreas que fazem uso de imagens que requerem nitidez e precisão. Destas áreas destacam-se a prospecção de informações sobre o espaço, onde são estudadas diversos tipos de imagens e o quanto mais fidedignas com a realidade, melhor para os pesquisadores. Também pode-se notar a importância da remoção de ruídos na atividade de geolocalização de Veículos aéreos não tripulados (VANTs) onde a nitidez das imagens capturadas é crucial para garantir que o sistema conseguirá se localizar utilizando seu banco de imagens georreferenciadas. São várias as técnicas utilizadas na restauração de imagens, torna-se interessante que as mesmas tenham uma implementação algorítmica, para assim serem utilizados em larga escala, inúmeros algoritmos de restauração de imagens já foram implementados. A implementação algorítmica consiste em codificar a restauração em específico em uma série de passos entendíveis por computadores. O algoritmo deve receber como parâmetro a imagem a ser restaurada, algumas soluções algorítmicas apresentam mais parâmetros, como o BayeS shrink. Os parâmetros citados anteriormente, causam efeitos no resultado final da execução de uma restauração, por isso sua escolha deve ser feita de maneira a maximizar os resultados de uma correção de ruídos. Pensando nisso¸ utilizar-se-á técnicas de Machine Learning, área da computação onde dados são fornecidos ao computador para o mesmo gerar soluções ou insights sobre os dados, como forma de escolha desses parâmetros. Os dados seriam um banco de imagens originais e imagens alteradas por ruído (Imagens e histogramas), e um algoritmo a ser especificado pelo utilizador da plataforma. Com isso, a plataforma iria devolver um modelo de Machine Learning, o modelo serviria como um previsor de parâmetro ideal dada uma imagem desconhecida e o algoritmo em questão. Fazendo com que a escolha do parâmetro deixe de ser um processo empírico da escolha do pesquisador, para ser uma escolha baseada em dados para maximizar a eficiência do algoritmo de restauração de imagens. |
Area | COMP |
Type | COMP |
Arrangement 1 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Framework de machine... |
Arrangement 2 | urlib.net > BDMCI > Fonds > Acervo PIBIC/PIBITI > PIBIC/PIBITI 2019 > Framework de machine... |
doc Directory Content | access |
source Directory Content | there are no files |
agreement Directory Content | there are no files |
|
4. Conditions of access and use | |
data URL | http://urlib.net/ibi/8JMKD3MGPDW34R/3U53E98 |
zipped data URL | http://urlib.net/zip/8JMKD3MGPDW34R/3U53E98 |
Language | pt |
Target File | 2019 GABRIEL TOBIAS.pdf |
User Group | simone |
Reader Group | administrator rafael.santos@inpe.br simone |
Visibility | shown |
Copyright License | urlib.net/www/2012/11.12.15.19 |
Rightsholder | originalauthor yes |
Update Permission | not transferred |
|
5. Allied materials | |
Next Higher Units | 8JMKD3MGPCW/3ESGTTP 8JMKD3MGPDW34P/478H8JH |
Citing Item List | sid.inpe.br/mtc-m21/2012/07.13.14.49.40 3 sid.inpe.br/bibdigital/2013/09.22.23.14 1 |
Host Collection | sid.inpe.br/mtc-m19@80/2009/08.21.17.02 |
|
6. Notes | |
Notes | Bolsa PIBIC/INPE/CNPq |
Empty Fields | archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi e-mailaddress edition isbn issn label lineage mark mirrorrepository nextedition numberofvolumes orcid pages parameterlist parentrepositories previousedition previouslowerunit progress project readpermission schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype url versiontype volume |
|
7. Description control | |
e-Mail (login) | simone |
update | |
|