Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/30178
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSilva, Claudinei Moreira da-
dc.date.accessioned2022-11-24T23:43:28Z-
dc.date.available2022-11-24T23:43:28Z-
dc.date.issued2021-02-26-
dc.identifier.citationSILVA, Claudinei Moreira da. Avaliação de datasets e de algoritmos de detecção de mudança utilizando mapas de dificuldade. 2021. Dissertação (Mestrado em Informática) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2021.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/30178-
dc.description.abstractEvaluating a change detection algorithm must show the superiority of its performance concerning state-of-the-art algorithms’ performance. The steps of evaluating an algorithm comprise executing it to segment a set of videos from a dataset and comparing the results with ground truth. In this work, we propose using additional information in evaluating change detection algorithms: the level of difficulty to classify each pixel of each frame of the videos from a dataset. For each video frame, we created a structured called difficulty map, which stores values representing the level of difficulty required by an algorithm to classify each pixel of that frame. Based on the difficulty maps, we developed two metrics. The first aims to evaluate the performance of algorithms about the difficulty map. The second metric aims to estimate the level of difficulty that each dataset video requires from the algorithms to classify its frames’ pixels. In this work, we also developed a method for selecting representative videos based on their difficulty level. The evaluation algorithms’ results showed that the algorithms that represent the state-of-the-art fail in the same regions of the frame. The metric that estimates video difficulty levels has been demonstrated that many videos from dataset CDNet 2014 have similar difficulty levels. This finding corroborates the method’s results to generate a representative subset since the selected subset has fewer videos and has the same evaluation potential as the original video set.pt_BR
dc.description.sponsorshipConselho Nacional do Desenvolvimento Científico e Tecnológico (CNPq)pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.subjectDetectorespt_BR
dc.subjectAlgoritmospt_BR
dc.subjectClassificaçãopt_BR
dc.subjectDetectorspt_BR
dc.subjectAlgorithmspt_BR
dc.subjectClassificationpt_BR
dc.titleAvaliação de datasets e de algoritmos de detecção de mudança utilizando mapas de dificuldadept_BR
dc.title.alternativeEvaluation of datasets and change detection algorithms using difficulty mapspt_BR
dc.typemasterThesispt_BR
dc.description.resumoA avaliação de um algoritmo de detecção de mudança deve mostrar a superioridade do seu desempenho em relação aos desempenhos dos algoritmos do estado-da-arte. As etapas da avaliação de um algoritmo consiste basicamente na sua execução para segmentar um conjunto de vídeos de um dataset e na comparação dos resultados com um ground truth. Neste trabalho, propõe-se a utilização de uma nova informação no processo de avaliação de algoritmos de detecção de mudança: o nível de dificuldade para classificar cada pixel de cada quadro dos vídeos de um dataset. Para cada quadro de vídeo, foi criado uma estruturada chamada mapa de dificuldade, que armazena valores que representam o nível de dificuldade exigido de um algoritmo para classificar cada pixel desse quadro. Baseado nesses mapas, foram desenvolvidas uma métrica que tem como objetivo avaliar o desempenho de algoritmos em relação ao mapa de dificuldade e outra que tem como objetivo estimar o nível de dificuldade que cada vídeo do dataset exige dos algoritmos para classificar os pixels de seus quadros. Um método para selecionar os vídeos representativos de um dataset também foi desenvolvido neste trabalho. Os resultados da aplicação da métrica para avaliação de algoritmos mostraram que os algoritmos que representam o estado-da-arte normalmente falham nas mesmas regiões do quadro. A aplicação da métrica que estima níveis de dificuldade de vídeos mostrou que muitos vídeos do dataset CDNet 2014 possuem níveis de dificuldade similares. Essa constatação corrobora com os resultados obtidos da aplicação do método para gerar um subconjunto representativo, uma vez que o subconjunto selecionado possui menos vídeos e apresenta o mesmo potencial de avaliação do conjunto de vídeos original.pt_BR
dc.degree.localCornélio Procópiopt_BR
dc.publisher.localCornelio Procopiopt_BR
dc.creator.Lattesxxpt_BR
dc.contributor.advisor1Sanches, Silvio Ricardo Rodrigues-
dc.contributor.advisor1IDhttps://orcid.org/0000-0003-3635-7477pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9931293076574399pt_BR
dc.contributor.advisor-co1Yokoyama, Roberto Sadao-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/0306982791711079pt_BR
dc.contributor.referee1Sementille, Antonio Carlos-
dc.contributor.referee1IDhttps://orcid.org/0000-0002-4337-514Xpt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/1882712230914196pt_BR
dc.contributor.referee2Oliveira, Claiton de-
dc.contributor.referee2IDhttps://orcid.org/0000-0003-2953-6223pt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8851289265109891pt_BR
dc.contributor.referee3Corrêa, Cléber Gimenez-
dc.contributor.referee3IDhttps://orcid.org/0000-0003-1065-9565pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/0521761025000380pt_BR
dc.contributor.referee4Sanches, Danilo Sipoli-
dc.contributor.referee4IDhttps://orcid.org/0000-0002-8972-5221pt_BR
dc.contributor.referee4Latteshttp://lattes.cnpq.br/6377657274398145pt_BR
dc.contributor.referee5Yokoyama, Roberto Sadao-
dc.contributor.referee5Latteshttp://lattes.cnpq.br/0306982791711079pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-Graduação em Informáticapt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.subject.capesCiência da Computaçãopt_BR
Aparece nas coleções:CP - Programa de Pós-Graduação em Informática

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
avaliacaomapasdificuldade.pdf1,42 MBAdobe PDFThumbnail
Visualizar/Abrir
avaliacaomapasdificuldade.pdf1,42 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.