Um modelo bayesiano com divergência de Kullback-Leibler estendida para reconhecimento de objetos 3D baseados em múltiplas visões

Carregando...
Imagem de Miniatura
Citações na Scopus
Tipo de produção
Dissertação
Data
2009
Autores
Olívio, F.C.
Orientador
Rodrigues, Paulo Sérgio Silva
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
OLÍVIO, F.C. Um modelo bayesiano com divergência de Kullback-Leibler estendida para reconhecimento de objetos 3D baseados em múltiplas visões. 2009. 78 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário da Fei, São Bernardo do Campo, 2009
Texto completo (DOI)
Palavras-chave
Reconhecimento de padrões
Resumo
Este trabalho apresenta um modelo Bayesiano que combina as características de cor, forma e textura para o reconhecimento de objetos em três dimensões. As interações espaciais ou temporais de longo alcance dessas características permitem modelar a probabilidade de se observar em cada dessas evidências nos objetos com a distância de Kullback-Liebler estendida, que é um conceito recentemente proposto na mecânica estatística. O modelo Bayesiano proposto pode ser usado em diversas aplicações, mas enfatizamos o trabalho cooperativo de diversos observadores para executar a tarefa de reconhecimento tridimensional. Os experimentos com uma base de dado de informações a priori sugerem que o modelo atinge o seu melhor desempenho a partir da inclusão do terceiro observador, indicando resultados promissores
This paper presents a Bayesian model that combines the color, shape and texture features for the recognition of objects in three dimensions. The long range spatial and temporal interactions of these features allow to model the probability to observe in each of these evidences the objects with the extended Kullback-Liebler distance, which is a recently proposed concept in statistical mechanics. The Bayesian model proposed can be used in several applications but we emphsize the cooperative work of several observers in order to perform the task of three dimensional recognition. Experiments with a large database of a priori information suggest that the model reaches its best performance with the inclusion of at most a third observer, showing promising results