Redes neurais randomizadas e caminhadas determinísticas para análise de imagens
Carregando...
Data
Autores
Orientador
Ribas, Lucas Correia 
Coorientador
Pós-graduação
Curso de graduação
São José do Rio Preto - IBILCE - Ciência da Computação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Este trabalho aborda a análise de texturas em imagens digitais, com ênfase na criação de re-presentações mais robustas e discriminativas para tarefas de classificação. O objetivo principal é propor, implementar e avaliar uma abordagem hı́brida que combina Caminhadas Deter- minı́sticas Parcialmente Auto-Repulsivas (CDPARs) e Redes Neurais Randomizadas (RNNs) para a extração de caracterı́sticas de textura. As CDPARs são utilizadas para explorar in- formações locais das imagens, gerando vetores que capturam padrões estruturais, enquanto as RNNs são aplicadas para aprender representações discriminativas a partir desses vetores de forma rápida e eficiente. Além disso, são realizadas combinações de parâmetros e configurações de redes, permitindo analisar o impacto de diferentes tamanhos de memória, regras de movimento e quantidades de neurônios ocultos. Experimentos conduzidos em bases de dados de texturas demonstraram que a abordagem proposta é competitiva em relação a métodos clássicos e recentes da literatura, alcançando acurácia superior a 95% na USPTex e acima de 90% na Outex, demonstrando alto desempenho e competitividade da solução.. Dessa forma, este trabalho contribui para o avanço de técnicas de análise de texturas e aprendizado de representações, abrindo novas possibilidades para aplicações em visão computacional e reconhecimento de padrões.
Descrição
Palavras-chave
Análise de imagens, Caminhadas determinı́sticas parcialmente auto-repulsivas, Redes neurais randomizadas, Texturas, Inteligência artificial, Visão computacional
Idioma
Português
Citação
MOTA, Leandro Aguiar. Redes neurais randomizadas e caminhadas determinísticas para análise de imagens. 2025. Trabalho de Conclusão de Curso (graduação em Ciências da Computação) - Universidade Estadual Paulista, São José do Rio Preto, 2025.
