{"id":102171,"date":"2018-03-11T10:24:16","date_gmt":"2018-03-11T10:24:16","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/information-theoretic-visual-saliency-detection\/"},"modified":"2018-03-11T10:24:16","modified_gmt":"2018-03-11T10:24:16","slug":"information-theoretic-visual-saliency-detection","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/inteligencia-artificial\/information-theoretic-visual-saliency-detection\/","title":{"rendered":"Information-theoretic visual saliency detection"},"content":{"rendered":"<h2>Tesis doctoral de <strong> Pablo Suau P\u00e9rez <\/strong><\/h2>\n<p>En esta tesis presentamos dos modificaciones del algoritmo scale saliency creado por t. Kadir y m. Brady. Se trata de un algoritmo de  extracci\u00f3n de regiones de inter\u00e9s en im\u00e1genes, de tal forma que \u00e9stas puedan ser utilizadas en aplicaciones de visi\u00f3n de alto nivel. El algoritmo scale saliency se apoya en un trasfondo te\u00f3rico s\u00f3lido, ya que se basa en la teor\u00eda de la informaci\u00f3n: las regiones extra\u00eddas ser\u00e1n aquellas que se correspondan con eventos impredecibles o que provean la m\u00e1xima informaci\u00f3n posible. Sin embargo, dentro del estado del arte en el campo de los algoritmos de extracci\u00f3n de caracter\u00edsticas, este algoritmo es el menos eficiente temporalmente.  en primer lugar tratamos el problema de la eficiencia temporal proponiendo un filtro que permite descartar puntos de la imagen antes de la aplicaci\u00f3n del algoritmo scale saliency. Este proceso de filtrado disminuye notablemente el tiempo de ejecuci\u00f3n del algoritmo de kadir y brady, con una baja tasa de error. El m\u00e9todo se basa en el uso de inferencia bayesiana para el aprendizaje de un umbral de saliencia v\u00e1lido para un conjunto de im\u00e1genes. Gracias a este umbral se puede definir una regla de decisi\u00f3n por medio de la teor\u00eda de la informaci\u00f3n para descartar los puntos de la imagen que probablemente no forman parte de las regiones m\u00e1s salientes de la imagen.  en segundo lugar proponemos un algoritmo para disminuir la complejidad del algoritmo con respecto a la dimensionalidad de los datos. El algoritmo scale saliency es usado normalmente con im\u00e1genes en tonos de gris, pero debido a c\u00f3mo estima las medidas relacionadas con la teor\u00eda del a informaci\u00f3n puede tambi\u00e9n ser f\u00e1cilmente aplicado a datos de mayor dimensionalidad, como im\u00e1genes en color. Sin embargo, la complejidad del algoritmo crece exponencialmente con respecto a la dimensionalidad de los datos.  para conseguir esto estudiamos diferentes m\u00e9todos de estimaci\u00f3n, basados tanto en grafos como en partici\u00f3n de datos, para dise\u00f1ar una versi\u00f3n multidimensional del algoritmo scale saliency. Tambi\u00e9n proponemos una nueva medida de divergencia basada en uno de estos algoritmos de estimaci\u00f3n. Conseguimos no s\u00f3lo disminuir la complejidad del algoritmo de exponencial a lineal, sino tambi\u00e9n que sea lo suficientemente eficiente como para procesar datos de hasta  31 dimensiones en unos pocos minutos (el algoritmo de kadir y brady necesitar\u00eda varias horas para procesar una imagen compuesta de datos en 4 dimensiones).  en el caso de ambas aportaciones presentamos un ejemplo de aplicaci\u00f3n. nuestro filtro bayesiano es aplicado al problema de la localizaci\u00f3n rob\u00f3tica. Aplicamos tambi\u00e9n nuestra versi\u00f3n multidimensional del algoritmo scale saliency al problema de la categorizaci\u00f3n de texturas.<\/p>\n<p>&nbsp;<\/p>\n<h3>Datos acad\u00e9micos de la tesis doctoral \u00ab<strong>Information-theoretic visual saliency detection<\/strong>\u00ab<\/h3>\n<ul>\n<li><strong>T\u00edtulo de la tesis:<\/strong>\u00a0 Information-theoretic visual saliency detection <\/li>\n<li><strong>Autor:<\/strong>\u00a0 Pablo Suau P\u00e9rez <\/li>\n<li><strong>Universidad:<\/strong>\u00a0 Alicante<\/li>\n<li><strong>Fecha de lectura de la tesis:<\/strong>\u00a0 29\/06\/2010<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h3>Direcci\u00f3n y tribunal<\/h3>\n<ul>\n<li><strong>Director de la tesis<\/strong>\n<ul>\n<li>Francisco Escolano Ru\u00edz<\/li>\n<\/ul>\n<\/li>\n<li><strong>Tribunal<\/strong>\n<ul>\n<li>Presidente del tribunal: jos\u00e9 Oncina carratal\u00e1 <\/li>\n<li>Antonio  Jes\u00fas Bandera rubio (vocal)<\/li>\n<li>Antonio Pe\u00f1alver benavent (vocal)<\/li>\n<li>petia Radeva ivanova (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Tesis doctoral de Pablo Suau P\u00e9rez En esta tesis presentamos dos modificaciones del algoritmo scale saliency creado por t. Kadir [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[19166,2528,16104],"tags":[145505,137025,125831,38864,207369,64357],"class_list":["post-102171","post","type-post","status-publish","format-standard","hentry","category-alicante","category-inteligencia-artificial","category-teoria-de-la-informacion","tag-antonio-jesus-bandera-rubio","tag-antonio-penalver-benavent","tag-francisco-escolano-ruiz","tag-jose-oncina-carratala","tag-pablo-suau-perez","tag-petia-radeva-ivanova"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/102171","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/comments?post=102171"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/102171\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=102171"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=102171"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=102171"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}