14 jun 2022
13:30 Defesa de Mestrado Auditório - IC3
Tema
Inferência de Localização Geográfica de Imagens / Inferring Geographical Location of Images
Aluno
Thiago Resek Fabri dos Anjos
Orientador / Docente
Anderson de Rezende Rocha
Breve resumo
Ser capaz de associar uma imagem com a localização geográfica onde ela foi obtida, sem o uso de informação adicional além da própria imagem, é um problema de interesse para várias áreas como jornalismo e ciência forense digital. Atualmente, dada a disponibilidade praticamente global de imagens de satélite com informações de localização, inferir a localização geográfica de uma imagem pode ser reduzido a um problema de casamento de imagens de diferentes pontos de vista (imagens de solo e imagens de satélite). Neste trabalho, nós apresentamos e estudamos os primeiros passos para o desenvolvimento de um algoritmo não-supervisionado para o problema de casamento de imagens de solo e de satélite. Exploramos e estudamos as relações de adjacências entre pontos de referência visíveis em ambas as imagens, e como tais relações podem se manter mesmo com a mudança de ponto de vista. Apresentamos um algoritmo baseado em comparação de grafos que visa localizar o ponto de vista de uma imagem a nível de solo (um panorama em 360 graus) dentro de uma imagem aérea mais ampla da mesma região. Tal algoritmo recebe como entrada um conjunto de pontos de referência, inicialmente extraídos de forma manual, e funciona por meio do casamento de grafos de pontos de referência de ambos os pontos de vista, de acordo com um modelo de probabilidade especificamente desenvolvido para o problema. Em sequência, foi desenvolvido um processo automático para extração de tais pontos de referência, baseado em segmentação semântica de imagens, processo que incluiu a obtenção de um novo conjunto de dados e o treinamento de uma rede neural específicos para o problema de segmentação de imagens de satélite. Isto permite a criação de um procedimento totalmente automatizado para a localização de imagens baseada em casamento de grafos. Por fim, apresentamos um estudo detalhado do funcionamento do algoritmo proposto, inclusive a adaptação de alguns parâmetros, e também possíveis extensões como, por exemplo, o uso de aprendizagem profunda (deep learning) para pós-processamentos nos grafos, mitigando possíveis erros gerados em etapas anteriores.
Banca examinadora
Titulares:
| Anderson de Rezende Rocha | IC/UNICAMP |
| João Paulo Papa | FC/UNESP |
| Sandra Eliza Fontes de Avila | IC/UNICAMP |
Suplentes:
| Marcelo da Silva Reis | IC/UNICAMP |
| Celmar Guimaraes da Silva | FT/UNICAMP |