Reconhecimento

de Padres Visuais

Turma: DCC831 P11

Jefersson Alex dos Santos jefersson@dcc.ufmg.br

William Robson Schwartz william@dcc.ufmg.br
Introduo
Viso Computacional:
A parMr de dados visuais, queremos fazer inferncias sobre o
mundo.

Processamento de Imagens:
A parMr de imagens, gerar novas imagens.

Computao Grca:
A parMr de modelos do mundo, gerar imagens.

2
Estrutura do Curso
Extrao de informaes visuais (caractersMcas)
Transformao de espao de caractersMcas
Mtodos de aprendizado e inferncia
Aplicaes

3
 Extrao de CaractersMcas
Natureza
2D, 3D, temporal
Abordagem
Global ou local
Amostragem
Densa ou baseada em regies de interesse

Figuras extradas de [1].

[1] R. Szeliski. Computer Vision: Algorithms and ApplicaMons (dra^ version).

4
Transformao do Espao
Reduo de dimensionalidade
Seleo de caractersMcas
Representaes mid-level

vR1 d1 d2 d3 d4 d5 d6 d7 d8 ... dk

d1 d2 d3 ... dc

Transformao
vR2 d1 d2 d3 d4 d5 d6 d7 d8 ... dk
Extrao

d1 d2 d3 ... dc
vR3 d1 d2 d3 d4 d5 d6 d7 d8 ... dk

d1 d2 d8 ... dc
vR4 d1 d2 d3 d4 d5 d6 d7 d8 ... dk

5
Aprendizado e Inferncia
ObjeMvo: dado visual x (vetor de caractersMcas), quer
inferir sobre o estado do mundo w.
w concnuo (regresso)
w discreto (classicao)
Modelagem
GeraMvo - P(x|w) ou discriminaMvo - P(w|x)
Aprendizado - (xi,wi) e inferncia - P(w|x,)
Classicadores

6
 Aplicaes
Diversas aplicaes
Especial vigilncia e sensoriamento remoto
Treinamento
(Xi,wi) (xi,wi)
Extrao de Transformao do
Aprendizado
caractersHcas espao

(xi,wi)
Teste
Xj xj
Extrao de Transformao do
Inferncia
caractersHcas espao

P(w|x,)
7
Informaes Gerais
Duas provas (50 pontos)
03/10/2016 e 05/12/2016

Dois trabalhos prticos (40 pontos)

Enunciados sero divulgados no incio de cada mdulo

Resumos e apresentaes de artigos (10 pontos)

Professores divulgaro a lista de artigos e critrios de avaliao
no incio de cada mdulo

8
Mdulo 1
Trabalho prtico:
Implementao de descritores profundos
Enunciado disponvel no Moodle
Data de entrega: 09/10/2016
Apresentao de artigos
5 grupos com temas de pesquisa especficos
Avaliao:
Relatrio final com 6 artigos recentes (2014, 2015 ou 2016).
Relatrio parcial a cada duas semanas
Apresentao de 30 minutos (26/09 e 28/09)

9
Mdulo 1
Apresentao de artigos
Temas:
Openset Classification
Active Learning
Image Indexing
Transfer Learning
Metric Learning
O que a apresentao e o relatrio final devem conter:
Definio (o que ?)
Motivao (pra que serve?)
Estado da arte em Viso Computacional

10
Mdulo 1
Aula de 10 de Agosto de 2016
Ler os artigos abaixo (disponibilizados no Moodle):
PENATTI, OTAVIO A. B. ; NOGUEIRA, KEILLER ; DOS SANTOS, JEFERSSON A. . Do deep
features generalize from everyday objects to remote sensing and aerial scenes domains?.
In: 2015 IEEE Conference on Computer Vision and Pattern Recognition Workshops
(CVPRW), 2015, Boston.
NOGUEIRA, KEILLER ; PENATTI, OTVIO A.B. ; SANTOS, JEFERSSON A. DOS . Towards
Better Exploiting Convolutional Neural Networks for Remote Sensing Scene Classification.
Pattern Recognition, 2016.

Submeter um pequeno relatrio (uma pgina) incluindo um breve

resumo e respostas s seguintes questes:
Caractersticas obtidas por meio de descritores profundos
generalizam?
A combinao de caractersticas obtidas com redes de
diferentes arquiteturas pode melhorar os resultados?
Quais as melhores formas de explorar redes convolucionais em
aplicaes com poucas amostras de treinamento?

11