1. Identificação | |
Tipo de Referência | Artigo em Evento (Conference Proceedings) |
Site | mtc-m16d.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | 8JMKD3MGPDW34R/3U53E98 |
Repositório | sid.inpe.br/mtc-m16d/2019/09.24.18.37 |
Última Atualização | 2019:09.24.18.37.06 (UTC) simone |
Repositório de Metadados | sid.inpe.br/mtc-m16d/2019/09.24.18.37.06 |
Última Atualização dos Metadados | 2022:07.08.20.08.27 (UTC) administrator |
Chave de Citação | FuhrLimaCamp:2019:FrMaLe |
Título | Framework de machine learning para busca de melhores parâmetros em algoritmos de restauração de imagens |
Formato | On-line |
Ano | 2019 |
Data de Acesso | 02 maio 2024 |
Tipo Secundário | PRE CN |
Número de Arquivos | 1 |
Tamanho | 76 KiB |
|
2. Contextualização | |
Autor | 1 Fuhr, Gabriel Tobias 2 Lima, João Vicente Ferreira 3 Campos Velho, Haroldo Fraga de |
Identificador de Curriculo | 1 2 3 8JMKD3MGP5W/3C9JHC3 |
Grupo | 1 2 3 LABAC-COCTE-INPE-MCTIC-GOV-BR |
Afiliação | 1 Universidade Federal de Santa Maria (UFSM) 2 Universidade Federal de Santa Maria (UFSM) 3 Instituto Nacional de Pesquisas Espaciais (INPE) |
Endereço de e-Mail do Autor | 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 |
Nome do Evento | Seminário de Iniciação Científica e Iniciação em Desenvolvimento Tecnológico e Inovação (SICINPE) |
Localização do Evento | São José dos Campos |
Data | 12-13 ago. 2019 |
Editora (Publisher) | Instituto Nacional de Pesquisas Espaciais (INPE) |
Cidade da Editora | São José dos Campos |
Título do Livro | Anais |
Organização | Instituto Nacional de Pesquisas Espaciais (INPE) |
Histórico (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. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Palavras-Chave | machine learning algoritmos restauração de imagens |
Resumo | 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. |
Área | COMP |
Tipo | COMP |
Arranjo 1 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Framework de machine... |
Arranjo 2 | urlib.net > BDMCI > Fonds > Acervo PIBIC/PIBITI > PIBIC/PIBITI 2019 > Framework de machine... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | não têm arquivos |
Conteúdo da Pasta agreement | não têm arquivos |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/8JMKD3MGPDW34R/3U53E98 |
URL dos dados zipados | http://urlib.net/zip/8JMKD3MGPDW34R/3U53E98 |
Idioma | pt |
Arquivo Alvo | 2019 GABRIEL TOBIAS.pdf |
Grupo de Usuários | simone |
Grupo de Leitores | administrator rafael.santos@inpe.br simone |
Visibilidade | shown |
Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.19 |
Detentor dos Direitos | originalauthor yes |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3ESGTTP 8JMKD3MGPDW34P/478H8JH |
Lista de Itens Citando | sid.inpe.br/mtc-m21/2012/07.13.14.49.40 3 sid.inpe.br/bibdigital/2013/09.22.23.14 1 |
Acervo Hospedeiro | sid.inpe.br/mtc-m19@80/2009/08.21.17.02 |
|
6. Notas | |
Notas | Bolsa PIBIC/INPE/CNPq |
Campos Vazios | 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. Controle da descrição | |
e-Mail (login) | simone |
atualizar | |
|