Avaliação de Qualidade de Nuvens de Pontos baseada em Aprendizagem Profunda

Detalhes bibliográficos
Autor(a) principal: Duarte, Carlos Rafael Lopes
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/87990
Resumo: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
id RCAP_00f273d910290da996d71e5ec6833c21
oai_identifier_str oai:estudogeral.uc.pt:10316/87990
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Avaliação de Qualidade de Nuvens de Pontos baseada em Aprendizagem ProfundaPoint Cloud Quality Prediction using Deep Learning ModelsNuvens de PontosAvaliação Objetiva de QualidadeAvaliação Subjetiva de QualidadeAprendizagem ProfundaTransfer LearningPoint CloudsObjective Quality AsessmentSubjective Quality AssessmentDeep LearningTransfer LearningDissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaA tecnologia de Nuvens de Pontos tem sido uma das mais promissoras e mais exploradas no que toca à representação de objetos e mapeamento 3D. No entanto a avaliação de qualidade visual deste tipo de conteúdos ainda não é considerada satisfatória. Esta dissertação propõe um novo método de Avaliação Objetiva de Qualidade de Nuvens de Pontos baseada em resultados de Avaliação Subjetiva de Qualidade, utilizando Aprendizagem Profunda, particularmente Redes Neuronais Convolucionais. Este trabalho consistiu em retreinar Redes Neuronais Convolucionais pré-treinadas, usando Transfer Learning para prever de forma objetiva a qualidade deste tipo de conteúdos. Para isto foi necessário encontrar formas alternativas de representação de Nuvens de Pontos, particularmente projeções 2D, para que estas, em conjunto com resultados de Avaliação Subjetiva de Qualidade, pudessem ser utilizados para treinar as Redes Neuronais Convolucionais. Por fim, após o treino das redes, foi criado um dataset suplementar de teste para confirmar a validade e qualidade dos resultados. As redes treinadas foram então utilizadas para prever os valores de qualidade para o dataset suplementar. Para os valores preditos pela rede, foram calculados fatores de desempenho que os comparam com os resultados subjetivos considerando estes últimos como referência. Os melhores resultados obtidos para estes conteúdos foram: 0.2601 de Raíz do Erro Médio Quadrático (Root Mean Square Error - RMSE), 0.9822 de Coeficiente de Correlação de Pearson (Pearson Correlation Coefficient - PCC), 0.9137 de Coeficiente de Correlação de Spearman (Spearman’s Rank Order Correlation Coefficient - SROCC) e 0.2778 de Rácio de Outliers (Outlier Ratio - OR). Os resultados obtidos mostram que é possível utilizar Aprendizagem Profunda para avaliar a qualidade visual destes conteúdos, superando os resultados de estado da arte presentes na literatura.Point Clouds has been one of the most promising and explored technologies regarding 3D object representation and 3D mapping. However, the solutions to automatically evaluate the visual quality of this type of contents are not yet satisfactory. This Master Thesis propose a new methodology for Objective Quality Assessment of Point Clouds based on Subjective Quality Assessment results, using Deep Learning, particularly Convolutional Neural Networks. The goal of this work was to retrain pre-trained Convolutional Neural Networks, using Transfer Learning, to predict the visual quality of this type of contents. For this it was necessary to find new alternative ways to represent Point Clouds to, together with Subjective Quality Assessment results, train the Convolutional Neural Networks. Finally, after training the networks, an additional dataset was created to confirm the quality of the obtained results. The trained networks were used to predict the quality scores for the additional dataset. After this, some performance indexes were computed comparing the predicted scores against the subjective ground truth. The best results to these contents were 0.2601 of Root Mean Square Error (RMSE), 0.9822 of Pearson Correlation Coefficient (PCC), 0.9137 of Spearman’s Rank Order Correlation Coefficient and 0.2778 of Outlier Ratio (OR). The results obtained show that is possible to predict the subjective visual quality of Point Clouds using Deep Learning, particularly CNNs, outperforming state-of-art results.2019-07-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/87990http://hdl.handle.net/10316/87990TID:202306062porDuarte, Carlos Rafael Lopesinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2021-05-12T11:51:56Zoai:estudogeral.uc.pt:10316/87990Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:08:47.660152Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Avaliação de Qualidade de Nuvens de Pontos baseada em Aprendizagem Profunda
Point Cloud Quality Prediction using Deep Learning Models
title Avaliação de Qualidade de Nuvens de Pontos baseada em Aprendizagem Profunda
spellingShingle Avaliação de Qualidade de Nuvens de Pontos baseada em Aprendizagem Profunda
Duarte, Carlos Rafael Lopes
Nuvens de Pontos
Avaliação Objetiva de Qualidade
Avaliação Subjetiva de Qualidade
Aprendizagem Profunda
Transfer Learning
Point Clouds
Objective Quality Asessment
Subjective Quality Assessment
Deep Learning
Transfer Learning
title_short Avaliação de Qualidade de Nuvens de Pontos baseada em Aprendizagem Profunda
title_full Avaliação de Qualidade de Nuvens de Pontos baseada em Aprendizagem Profunda
title_fullStr Avaliação de Qualidade de Nuvens de Pontos baseada em Aprendizagem Profunda
title_full_unstemmed Avaliação de Qualidade de Nuvens de Pontos baseada em Aprendizagem Profunda
title_sort Avaliação de Qualidade de Nuvens de Pontos baseada em Aprendizagem Profunda
author Duarte, Carlos Rafael Lopes
author_facet Duarte, Carlos Rafael Lopes
author_role author
dc.contributor.author.fl_str_mv Duarte, Carlos Rafael Lopes
dc.subject.por.fl_str_mv Nuvens de Pontos
Avaliação Objetiva de Qualidade
Avaliação Subjetiva de Qualidade
Aprendizagem Profunda
Transfer Learning
Point Clouds
Objective Quality Asessment
Subjective Quality Assessment
Deep Learning
Transfer Learning
topic Nuvens de Pontos
Avaliação Objetiva de Qualidade
Avaliação Subjetiva de Qualidade
Aprendizagem Profunda
Transfer Learning
Point Clouds
Objective Quality Asessment
Subjective Quality Assessment
Deep Learning
Transfer Learning
description Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
publishDate 2019
dc.date.none.fl_str_mv 2019-07-26
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/87990
http://hdl.handle.net/10316/87990
TID:202306062
url http://hdl.handle.net/10316/87990
identifier_str_mv TID:202306062
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133980989063168

Registros relacionados