No abstract

Image segmentation is an important step in many computer vision and image processing algorithms. It is often adopted in tasks such as object detection, classification, and tracking. The segmentation of underwater images is a challenging problem as the water and particles present in the water scatter and absorb the light rays. These effects make the application of traditional segmentation methods cumbersome. Besides that, to use the state-of-the-art segmentation methods to face this problem, which are based on deep learning, an underwater image segmentation dataset must be proposed. So, in this paper, we develop a dataset of real underwater images, and some other combinations using simulated data, to allow the training of two of the best deep learning segmentation architectures, aiming to deal with segmentation of underwater images in the wild. In addition to models trained in these datasets, fine-tuning and image restoration strategies are explored too. To do a more meaningful evaluation, all the models are compared in the testing set of real underwater images. We show that methods obtain impressive results, mainly when trained with our real dataset, comparing with manually segmented ground truth, even using a relatively small number of labeled underwater training images.

No abstract

The geometric primitive fitting is extremely important in tasks like 3D data simplification and automatic As Built. In this context, only few works address this problem in large structures data, where the point clouds are larger and more complex. Thus, the present work brings a methodology to deal with the problem, as well as a complete discussion about the state of the art in large structures data processing and in geometric primitive fitting. Resumo: O ajuste de primitivas geométricas é extremamente importante em tarefas como simplificação de dados 3D e As Built automático. Nesse contexto, poucos trabalhos abordam essa problemática em dados de grandes estruturas, onde as nuvens de pontos são maiores e mais complexas. Dessa forma, o presente trabalho traz uma metodologia para lidar com o problema, bem como uma completa discussão sobre o estado da arte em processamento de dados de grandes estruturas e em ajuste de primitivas geométricas.

Este artigo discute um Sistema Computacional, os aspectos sobre possibilidades da utilização de técnicas e recentes avanços naárea de Visão Computacional para o desenvolvimento de recursos a partir do paradigma de Computação Ubíqua, que proporcionem a melhoria na qualidade de vida de pessoas com necessidades visuais, especialmente na realização de tarefas do cotidiano. Além disso, este artigo propõe um Sistema Computacional para mobile que realiza as tarefas: i) classificação de cenas; ii) reconhecimento de objetos; iii) detecção de colisão. São tratados aspectos relativos à arquitetura do sistema.  Tendo em vista que cerca de 285 milhões de pessoas ao redor do mundo possuem algum tipo de deficiência visual [WHO, 2014] e são frequentemente excluídas em função de suas limitações, o desenvolvimento de Tecnologia Assistiva se torna necessário para proporcionar a inclusão das mesmas. Dessa forma, a motivação do presente projeto é a inclusão social de pessoas com deficiência visual através de soluções assistivas.