Autores

5073
Leandro Almeida de Araújo
2280,347,131
5074
2280,347,131
5075
2280,347,131

Informações:

Publicações do PESC

Título
RWiSARD: Um Modelo de Rede Neural Sem Peso para Reconhecimento e Classificação de Imagens em Escala de Cinza
Linha de pesquisa
Computação Gráfica
Tipo de publicação
Dissertação de Mestrado
Número de registro
Data da defesa
5/8/2011
Resumo
As histórias dos campos da Visão Computacional e das Redes Neurais tem muito em comum, uma vez que o desenvolvimento de um eventualmente implica no aprimoramento do outro. As Redes Neurais Sem Peso, também conhecidas como Redes Neurais Baseadas em RAM, em especial, tem sido desenvolvidas por todos esses anos quase que exclusivamente visando aplicações na área de Reconhecimento de Imagens. Mesmo assim, estas aplicações tem sofrido com a falta de suporte apropriado para imagens compostas de pixels em escala de cinza. Algumas tentativas de se prover o modelo de tal capacidade tem sido feitas, embora geralmente com pouco ou nenhum sucesso. O modelo apresentado neste trabalho consegue oferecer, de forma eficaz, a capacidade para  reconhecimento de imagens em escala de cinza, ao mesmo tempo que mantém a mesma eficiência computacional que fez das Redes Neurais Sem Peso um modelo muito bem sucedido.
Abstract
The histories of the fields of Computer Vision and Neural Networks share a lot in common, as the development of one eventually incurred in further improvement of the other. Weightless, or RAM based neural networks, in particular, have been developed for all these years almost solely due to their applications in the Image Recognition area. Yet, these applications have suffered a lack of support for images composed by greyscale pixels. Some attempts have been made in order to provide the model with such capability, but with limited or no success, so far. The model presented in this work manages to provide effective greyscale image recognition functionality, at the same time achieving the same computational efficiency that made weightless neural networks a well succeeded model.
Arquivo
Topo