O reconhecimento de edifícios é essencial para uma variedade de aplicações. Devido à sua importância, este trabalho tem por objetivo analisar as taxas de reconhecimento de imagens de edifícios, para 40 classes e 30 imagens por classe, na escala de cor RGB, utilizando um sistema de reconhecimento baseado na técnica de Quantização Vetorial para compressão de imagens por meio do algoritmo LBG, variando a quantidade de centroides e treinos. Para a discussão dos resultados fez-se uma análise estatística descritiva e para a estatística inferencial utilizando o teste paramétrico da ANOVA, com post-hoc de Tukey, com o nível de significância de p ≤ 0,05. Os resultados alcançados obtiveram uma alta taxa de acerto, de 100%, quando trabalhado com 128 e 256 centroides. Não foi encontrado diferença significativa entre os treinos. Encontrou-se diferença significativa somente entre as taxas de reconhecimento processadas com 16 centroides e as demais quantidades de centroides.
This article aims to carry out a comparative study between discrete-time and discrete-frequency Kalman filters. In order to assess the performance of both methods for speech reconstruction, we measured the output segmental signal-to-noise ratio and the Itakura-Saito distance provided by each algorithm over 25 different voice signals. The results show that although the two algorithms performed very similarly regarding noise reduction, the discrete-time Kalman filter produced smaller spectral distortion on the estimated signals when compared with the discrete-frequency Kalman filter.
O reconhecimento de edifícios é essencial para uma variedade de aplicações. Devido à sua importância, este trabalho tem por objetivo analisar as taxas de reconhecimento de imagens de edifícios, para 40 classes e 10 imagens por classe, na escala de cores cinza, vermelha, verde e azul, utilizando um sistema de reconhecimento baseado na técnica de Quantização Vetorial para compressão de imagens por meio do algoritmo LBG, variando a quantidade de centroides, treinos e cores. Os resultados alcançados obtiveram uma alta taxa de acerto, de 98,75%, na cor cinza, para a imagem quantizada com 64 e 256 centroides, no treino de 60%.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.