Durante a execução de cada experimento foram definidas as configurações iniciais com base na Tabela 5.11, onde praticamente todo o experimento de sobreposição com- pleta foi feito com os parâmetros definidos nessa tabela com exceção da quantidade de estruturas foveadas na experiência n que seguiu o seguinte comportamento n = 2p, de maneira que p ∈ N ∧ 0 ≤ p ≤ 4. Montamos os gráficos que permitissem observar as
5.5. RESULTADOS ENTRE ABORDAGENS MULTIFOVEADAS 69
principais diferenças entre os modelos multifoveados para nuvem de pontos. Conforme essas montagens das configurações dos experimentos são expostas nos gráficos dos resul- tados obtidos: correspondências realizadas, quantidade de verdadeiros-positivos, média do tempo de execução as estratégias, quantidade de objetos encontrados, total de pon- tos no final da cena, quantidade de keypoints selecionadas, precisão dos experimentos e sensibilidade. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Nº estruturas foveadas 0.5 0.751 1.251.5 1.752 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11 Pontos
×105 (a) - Quantidade de pontos na cena
Sobreposição completa MFNP Sobreposição quase completa MFNP Sobreposição completa RAW Sobreposição quase completa RAW
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Nº estruturas foveadas 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3 3.2 3.4 Keypoints
×104(b) - Quantidade de keypoints selecionadas
Sobreposição completa MFNP Sobreposição quase completa MFNP Sobreposição completa RAW Sobreposição quase completa RAW
Figura 5.15: Resultados dos experimentos das sobreposições multifoveadas com e sem tratamento de redundâncias baseados na cena da Figura 5.14d. No item (a) é exibido o número total de pontos no final de cada abordagem e o (b) é a quantidade de keypoints selecionados na cena analisada.
Então, iniciaremos a análise pelas principais características dos modelos foveados a quantidade de informação abreviada, os pontos e keypoints, onde as informações coleta- das são exibidas nas Figuras 5.15a e 5.15b. Observando as duas Figuras 5.15a e 5.15b notamos que os comportamentos dos dados adquiridos da nossa proposta são de funções lineares para multifoveamento raw e aproximadamente constante para a proposta MFNP, as inclinações das retas que representam tanto a quantidade de pontos quanto a de key- points. Assim sendo, para o modelo multifoveado raw temos aproximadamente uma du- plicação para cada período de 2pde informações para ambas sobreposições em relação à quantidade de pontos pelo número de estruturas foveadas e para quantidade de keypoints, o crescimento da quantidade de keypoints tem menor inclinação, mas é considerável com um ganho de aproximadamente 20% para adição de mais uma EF (considerando a escala de 104). Esse é um motivo que já deixam o multifoveamento raw impraticável, já que temos esse crescimento linear que acaba multiplicando os pontos e, consequentemente, distorcendo as features da cena, enquanto o modelo multifoveado proposto teve como respostas quantidades constantes tanto para o total de pontos quanto para o número de keypoints selecionadas, no caso da sobreposição completa. Para a sobreposição quase completa os resultados gráficos tiveram um ganho próximo de 0% (considerando a es-
70 CAPÍTULO 5. EXPERIMENTOS E RESULTADOS
cala dos gráficos no eixo das abscissas) que foi originada apenas nas regiões que não tinham intersecções entre níveis superiores, seguindo o Algoritmo 1. Esses resultados confirmam que a nossa proposta está tratando as redundâncias de forma correta onde pro- porciona os níveis com maiores densidades se sobreponham em cima dos inferiores de outras EFs, como visto na Figura 5.19, enquanto vemos que o modelo multifoveado raw é praticamente inviável, já que o crescimento das informações redundantes é linearmente acentuado. 2 4 6 8 10 12 14 16 Nº estruturas foveadas 0 5 11 15 20 25 28 32 35 45 55 65 70 80 95 102 111 125 Correspondências
(a) - Correspondências encontradas nos experimentos realizados
Sobreposição completa MFNP Sobreposição quase completa MFNP Sobreposição completa RAW Sobreposição quase completa RAW
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Nº estruturas foveadas 0 6 10 15 20 25 30 36 40 45 50 55 60 65 70 75 80 84 90 Verdadeiros-positivos
(b) - Correspondências verdadeiras-positivas encontradas
Sobreposição completa MFNP Sobreposição quase completa MFNP Sobreposição completa RAW Sobreposição quase completa RAW
Figura 5.16: Resultados dos experimentos das sobreposições multifoveadas com e sem tratamento de redundâncias baseados na cena da Figura 5.14d. No item (a) é exibido o número total de correspondências realizadas na cena final analisada e o (b) é a quantidade de verdadeiros-positivos relacionados, ou seja, relacionamento corretos dos keypoints da cena com o objeto.
Visto os resultados do total de pontos e keypoints no experimento de sobreposição, passamos para a análise da relação entre quantidade de estruturas foveadas e correspon- dências efetuadas e, consequentemente, quantidade de correspondências corretas reali- zadas. Assim sendo, nas Figuras 5.16a e 5.16b apresentamos os resultados das corres- pondências e verdadeiros positivos, respectivamente. Então, para o modelo multifoveado raw temos um decaimento abrupto no número de correspondências realizadas para os dois tipos de sobreposição, de maneira que a sobreposição completa chega a 0 a partir do uso de 8 (oito) estruturas foveadas sobrepostas, já a quase completa tem nenhum tipo de correspondência na utilização de 16 estruturas. Isso reflete nos valores dos verdadeiros- positivos achados, embora notamos que para a configuração com 8 estruturas na sobrepo- sição quase completa houve 6 verdadeiros positivos encontrados para o multifoveamento rawcaso curioso que será comentado mais à frente. Todos os experimentos partiram de 98 correspondências realizadas, vemos então que a nossa proposta teve como constante os resultados do caso da sobreposição completa, já para a quase completa houveram leves aumentos logo que ao usar esse tipo de arranjo o volume das regiões de altas densidades
5.5. RESULTADOS ENTRE ABORDAGENS MULTIFOVEADAS 71 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Nº estruturas foveadas 0 0.250.5 0.751 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 10.5 11 11.5 12 12.5 13 time (s)
(a) - Média dos tempos cálculada para cada experimento
Sobreposição completa MFNP Sobreposição quase completa MFNP Sobreposição completa RAW Sobreposição quase completa RAW
2 4 6 8 10 12 14 16 Nº estruturas foveadas 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 objects found
(b) - Quantidade de objetos encontrados na cena
Sobreposição completa MFNP Sobreposição quase completa MFNP Sobreposição completa RAW Sobreposição quase completa RAW
Figura 5.17: Resultados dos experimentos das sobreposições multifoveadas com e sem tratamento de redundâncias baseados na cena da Figura 5.14d. No item (a) é exibido a média dos tempos de execução dos experimentos realizados e o (b) é a quantidade de encontrados ao final do processo de reconhecimento.
aumenta e, consequentemente, podem ampliar as regiões que contém features dependendo do posicionamento das estruturas foveadas. Na relação dos verdadeiros-positivos com a quantidade de estruturas foveadas para a nossa proposta para os dois tipos de sobreposição os resultados são constantes com 84 relacionamentos corretos, fato já esperado logo que a proposta não deve distorcer as features da cena e a configuração dos parâmetros cons- tantes limitam esse número como quantidade máxima, como provado pelos resultados expostos na Figura 5.16b.
A quantidade de pontos e keypoints têm consequência no tempo de execução do pro- cesso e a quantidade de verdadeiros-positivos e número de correspondências influenciam na quantidade de objetos encontrados no algoritmo de reconhecimento. Desse modo ela- boramos gráficos com os resultados dos tempos de execução e quantidade de objetos encontrados no final da cena que podem ser vistos nas Figuras 5.17a e 5.17b, respectiva- mente. Então, para o tempo de execução o multifoveamento raw, aparentemente, tem um crescimento polinomial de grau 2 para ambos tipos de sobreposição, nota-se que mesmo com uma quantidade de pontos e keypoints superior o experimento de sobreposição com- pleta traz desempenho melhor em relação à sobreposição quase completa, ou seja, existem outros fatores que determinam o crescimento (ou variação acentuada) da curva de desem- penho. A quantidade de objetos encontrados no multifoveamento raw também não teve resultados satisfatórios, como já era esperado. Dadas as informações das Figuras 5.16, podemos ver na Figura 5.17b que o encontro de objetos é bem aleatório já que há distor- ções, embora no experimento de sobreposição quase completa houve o reconhecimento correto do objeto com apenas 6 correspondências verdadeiros e 11 seleções de keypoints, já na sobreposição completa a partir do uso de duas estruturas foveadas ele não consegue
72 CAPÍTULO 5. EXPERIMENTOS E RESULTADOS 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Nº estruturas foveadas 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1 Precisão
(a) - Precisão dos experimentos realizados
Sobreposição completa MFNP Sobreposição quase completa MFNP Sobreposição completa RAW Sobreposição quase completa RAW
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Nº estruturas foveadas 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Sensibilidade
(b) - Sensibilidade dos experimentos realizados
Sobreposição completa MFNP Sobreposição quase completa MFNP Sobreposição completa RAW Sobreposição quase completa RAW
Figura 5.18: Resultados dos experimentos das sobreposições multifoveadas com e sem tratamento de redundâncias baseados na cena da Figura 5.14d. No item (a) é exibida a precisão das estratégias usadas e o (b) é sensibilidade das estratégias utilizadas as Equa- ções utilizadas são 5.2 e 5.3, respectivamente.
identificar em nenhuma situação. Quando são usadas apenas duas estruturas foveadas há ocorrência de dois objetos no mesmo lugar com um total de 18 correspondências corretas para cada objeto isso proporciona observar que realmente existe a duplicação de pontos no multifoveamento raw. Em relação ao modelo multifoveado com tratamento temos um comportamento estável tanto no tempo de execução quanto no número de objetos encon- trados, nota-se que em nenhum momento para ambos tipos de sobreposição a média do tempo ultrapassa 0.5s onde o início para as duas estruturas foveadas é de 0.23s. A dife- rença dos tempos de 2 para 16 EFs é de 0.27s, essa diferença pode ser explicada como a passagem de toda a nuvem de pontos por cada nível das estruturas foveadas majoritaria- mente, um problema que deve ser tratado em trabalhos futuros. No entanto, notamos que mesmo com esse aumento do tempo de execução em relação ao multifoveamento raw a nossa proposta tem um tempo bem inferior, além de entender que esse tipo de sobreposi- ção dificilmente deverá acontecer, pois as estruturas foveadas tendem a ficar espalhadas por toda cena para um melhor aproveitamento. O número correto de objetos encontra- dos em relação à proposta era esperado logo que temos na Figura 5.16 um número de verdadeiros positivos constantes para todas as disposições de estruturas foveadas. Assim sendo, vemos que a diferença de tempo de execução entre os modelos é considerável, já nos casos do reconhecimento de objetos a distorção causada pela multiplicação de redun- dâncias torna uma tarefa incerta para o caso de integração do multifoveado raw com o reconhecimento de objetos.
A medição da qualidade do processo de reconhecimento pode ser feita com base na precisão e sensibilidade a princípio. Portanto, elaboramos dois gráficos para realizar a medição e comparação entre os modelos multifoveados, vistos nesta seção 5.5, desse
5.5. RESULTADOS ENTRE ABORDAGENS MULTIFOVEADAS 73
modo podemos ver a estimação da precisão e sensibilidade nas Figuras 5.18a e 5.18b. No contexto multifoveado raw vemos que a precisão diminui de acordo com o aumento das estruturas foveadas com exceção do caso com 8 estruturas que curiosamente se recupe- rou, conseguiu um número de 11 correspondências feitas, obteve 6 verdadeiros positivos e identificou o objeto corretamente na situação de sobreposição quase completa. Já para o caso de sobreposição completa a precisão é nula a partir de 2 EFs. A sensibilidade (recall) segue o mesmo comportamento da precisão, no entanto para o caso de 8 EFs a taxa é bem inferior em relação à precisão. No contexto multifoveado com tratamento de redundâncias temos uma constância na precisão para a sobreposição completa, situação já esperada, pois mantém seus resultados de correspondência e verdadeiros-positivos cons- tantes, já na sobreposição quase completa dado que existem pequenos deslocamentos que aumentam a quantidade das regiões com densidade alta e, consequentemente, o número de correspondências que afetam diretamente a precisão, pois o número de verdadeiros- positivos se mantém constantes logo ocorre um pequeno declive nos resultados da preci- são, de acordo que as quantidades de estruturas são aumentadas. Na sensibilidade temos um comportamento constantes para os dois tipos de sobreposição nesse mesmo contexto de aproximadamente 90%, dado que para ambos os casos as quantidades de casos corre- tos são constantes e o número de correspondências que poderiam serem feitas permanece no total de 93.
Figura 5.19: Ilustração do experimento de sobreposição quase completa que utiliza 16 estruturas foveadas para o reconhecimento de objeto. De modo que temos a detecção do objeto desejado destacada na cor vermelha na cena.
74 CAPÍTULO 5. EXPERIMENTOS E RESULTADOS
Por conseguinte, vemos que os resultados mostram que o multifoveamento sem trata- mento é inviável em todas características mostradas: tempo de execução, precisão, sensi- bilidade, validade de correspondências corretas, resultados de reconhecimento e redução do número de pontos. Assim sendo, para o uso do multifoveamento numa nuvem de pontos é necessário ter algum tipo de tratamento de redundâncias, como o proposto neste trabalho.