A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Visão Computacional e Aplicações João do E. S. Batista Neto Instituto de Ciências Matemáticas e de Computação – ICMC-USP São Carlos, Junho de 2009.

Apresentações semelhantes


Apresentação em tema: "Visão Computacional e Aplicações João do E. S. Batista Neto Instituto de Ciências Matemáticas e de Computação – ICMC-USP São Carlos, Junho de 2009."— Transcrição da apresentação:

1 Visão Computacional e Aplicações João do E. S. Batista Neto Instituto de Ciências Matemáticas e de Computação – ICMC-USP São Carlos, Junho de 2009

2 Domício Pinheiro Agência Estado

3 Visão Computacional Processamento de Imagens Computação Gráfica Visualização Científica Análise de Imagens

4 Processamento de imagens Modelagem de dados (processamento de dados) Visão (análise de imagem) Visualização (computação gráfica, síntese de imagem) DADOS IMAGEM Imagem – Áreas Correlatas

5 Modelagem de dados (visualização) Curvas, superfícies, etc

6 Rendering: processo de geração de imagem a partir de um modelo. Em português: visualização Computação Gráfica

7 2D Computação Gráfica 3D

8 Segmentação de um tumor em momografia Processamento de Imagens

9 Leandro Gerhardiger, 2006 Processamento de Imagens

10 O que é visão computacional? É a ciência que desenvolve as bases teóricas e algoritmicas pelas quais informações úteis são automaticamente extraídas de imagens por meio de computadores

11 O que precisamos saber para ter sucesso na construção de um sistema de visão artificial ? Aspectos Cognitivos: combinação dos aparelhos sensoriais e comportamento psico-biológico: neurociências, IA, filosofia, psicologia, lingüística. Aspectos fisiológicos do cérebro.

12 Aspectos Cognitivos

13 Exemplo 3: ilusão cognitiva (ambigüidade)

14

15 Exemplo 4: ilusão cognitiva (distorção) Tamanho, comprimento, curvatura

16 Exemplo 5: ilusão cognitiva (distorção)

17 Exemplo 6: ilusão cognitiva (Paradoxo)

18 Exemplo 7: percepção visual – aspectos culturais Mostre estas figuras para um árabe e um zulu...

19 Exemplo 8: percepção visual – especialização

20 Movimento sacádico

21 Aspectos Fisiológicos

22 Visão Natural: sistema super paralelo Macro Micro Intermediário

23 Visão Natural: o olho humano

24 Blid Spot: Ponto Cego Feche seu olho direito. Foque no número 3. Avance e recue. Ou foque nos nros à direita ou esquerda !

25 Bastonetes: Alta sensibilidade à luminosidade, não percebem cor Cones: Alta sensibilidade a cor, alta quantidade na fóvea Cones: (sens.) C C M L M C

26 Os córtex visuais

27

28 A região A é mais escura que B, certo ? Isso não é uma pegadinha Exemplo 1: fisiologia

29

30 Resposta Contraste local Este é um exemplo da excelente qualidade de nosso sistema visual, certo? Certo ! Algo claro, rodeado por algo mais escuro, tende a parecer mais claro do que é. E vice-versa !

31 Exemplo 2: fisiologia Explicação: campos receptivos da retina

32 Visão Computacional/Artificial VISÃO é o processo de descobrir, a partir de imagens, o que está presente no mundo e onde está localizado Disciplinas relacionadas –Processamento de Imagens –Computação Gráfica –Reconhecimento de Padrões –Robótica –Inteligência artificial

33 Um sistema de visão computacional para indústria

34 Três níveis de atuação Melhorar qualidade da imagem Pouca inteligência Extrair e caracterizar componentes Alguma inteligência Reconhecimento Alta Inteligência

35 Exemplo: um sistema de visão para reconhecer digitais

36 Reconhecimento de Digitais - padrões Bifurcações Terminações

37 Típico sistema de visão Cena Pré-processamento Processamento de Imagens 1 Aquisição Análise de Imagens Extração de característicasIA / reconhecimento de padrões

38 Cena Passo 1 - Aquisição

39 Aquisição

40 Cena Passo 2 - Pré-processamento

41 Pré-processamento

42 Cena Passo 3 - Processamento de Imagens

43 Processamento de Imagens

44 Cena Passo 4 - Análise de Imagens

45 Análise de Imagem 1- Procurar todos e marcar: - bifurcações - terminações

46 Análise de Imagem 2 - Determinar as orientações: - bifurcações - terminações

47 Cena Passo 5 - Extração de Características

48 Extração de Características: Modelo Matemático Modelo Matemático - Semelhança de Triângulos Combinar as marcações 3 a 3

49 Cena Passo 6 - IA / Reconhecimento de padrões

50 IA / Reconhecimento de padrões Armazenar o modelo matemático de todos os triângulos Base de conhecimento

51 IA / Reconhecimento de padrões Armazenar o modelo matemático de todos os triângulos Base de conhecimento

52 IA / Reconhecimento de padrões Base de conhecimento Padrão reconhecido, digital identificada Comparar com modelos treinados

53 É fácil emular a visão humana ?

54 Reconhecimento

55 Importância da cor

56 Importância da Textura

57 The role of shape

58 Importância do agrupamento

59 Auxílio da matemática Sistemas mais antigos empregavam métodos heurísticos Hoje recorremos à matemática, às vezes um pouco pesada ! –Cálculo –Algebra Linear –Probabilidade e estatística –Processamento de Sinais –Projeção Geométrica –Geometria Computacional –Otimização Boa notícia: muita computação !

60 Aplicações Inspeção industrial/Controle Qualidade Segurança Reconhecimento Facial Reconhecimento Gestos Aplicações espaciais Análise de imagens médicas Veículos autônomos Agro-negócio

61 André Balan, 2004 Identificação de pássaros para controle de poluição ambiental

62 Leandro Gerhardiger, 2006 Segmentação por Campos Aleatórios de Markov em multi escala

63 Segmentação de um tumor em momografia

64 Recuperação de conteúdo em grandes BD por imagem

65 Desirée Dias, 2005 Identificação de Ferrugem de Cana – Casa Branca

66

67

68

69 Criação de mosaica em plantações de eucalipto

70

71 Mosaico criado automaticamente, sem nenhum georeferenciamento

72 Localização de contornos por snakes

73 Perguntas ? Obrigado !


Carregar ppt "Visão Computacional e Aplicações João do E. S. Batista Neto Instituto de Ciências Matemáticas e de Computação – ICMC-USP São Carlos, Junho de 2009."

Apresentações semelhantes


Anúncios Google