classificação de imagens

17
Classificação de Imagens IF 133

Upload: chiku

Post on 04-Jan-2016

25 views

Category:

Documents


0 download

DESCRIPTION

Classificação de Imagens. IF 133. Por que e para que?. Classificar é transformar dados em informação Imagens em mapas Números em rótulos Objetivo primário da análise de dados Permite reduzir o volume de dados e aumentar a quantidade de informação Operação de visão computacional. - PowerPoint PPT Presentation

TRANSCRIPT

Page 1: Classificação de Imagens

Classificação de Imagens

IF 133

Page 2: Classificação de Imagens

Por que e para que?Classificar é transformar dados em informação

Imagens em mapasNúmeros em rótulos

Objetivo primário da análise de dadosPermite reduzir o volume de dados e aumentar a quantidade de informaçãoOperação de visão computacional

Page 3: Classificação de Imagens

Classificação

Page 4: Classificação de Imagens

AbordagensSegundo a intervenção do usuário:

Com treinamento – supervisionadoSem treinamento – sem supervisão

Segundo a modelagemCom modeloSem modelo

Segundo a abordagemEstatísticaMorfológicaAd hoc etc.

Page 5: Classificação de Imagens

Máxima VerossimilhançaO rei dos métodos estatísticosRequer modelagem e treinamentoPresente em todos os sistemas profissionais de análise de imagensÉ um processo de estimação

O valor observado é comparado com modelosEscolhe-se a classe na qual o valor é mais verossímil

Page 6: Classificação de Imagens

Modelagem

2

11,N

2

22,N

Page 7: Classificação de Imagens

Treinamento

87,325ˆ ,32,94ˆ

,,2

11

2

11

N

1

222

102.1ˆ ,47,1ˆ

,,por asubstituíd ,

N

Page 8: Classificação de Imagens

Regra de classificação MV

Page 9: Classificação de Imagens

Resultado

Page 10: Classificação de Imagens

Qualidade do ResultadoNem sempre satisfatório, logo…Verificar as hipótesesRefinar o treinamentoRefinar o modelo

Classes não descritasCorrelação entre dadosCorrelação entre classes

Page 11: Classificação de Imagens

Melhorando a classificação

Page 12: Classificação de Imagens

Classificação MVGMáxima Verossimilhança Gaussiana

O imperador dos métodosSupõe dados independentes e obedecendo leis Gaussianas

Dados 1D: intervalos de decisãoDados nD: regiões de decisão

Page 13: Classificação de Imagens

MVG - 1D

2

2

2

)(exp

2

1)(

i

i

i

i

xxf

ji

xfxfCx jii

)()( se

Page 14: Classificação de Imagens

MVG-nD

Page 15: Classificação de Imagens

Regiões de DecisãoRetasParábolasHipérboles

Page 16: Classificação de Imagens

Método do ParalelepípedoSupervisionado, com modelo, ad hocMais simplesAs amostras induzem paralelepípedos no espaçoEsses paralelepípedos determinam regiões de decisãoRápido, pouco interpretável, bom para primeira tentativa

Page 17: Classificação de Imagens

PeculiaridadesNão necessariamente particiona o espaçoPode induzir inconsistências ou indecisões