Luiz Vieira

Tem também: uber.com/global/pt-br/careers/list/55658

Faz muito tempo que eu não passo por aqui, e quando venho é pra Spam... rs então me perdoem por favor. Mas vai que interessa a alguém mais, né? Engineering Recruiting Week Uber São Paulo: join us! feb2020-saopaulo-engrecruiting.splashthat.com

@GuilhermeNascimento Opa! Obrigado rapá! :) []s

Senhores, boa tarde pra vcs. :) []s!

É um pouco de cada mesmo. rs

@bigown É, eu não coloquei no meu site ainda. Só depois que tiver finalizado mesmo.

@jbueno Sim. O trabalho é apresentado por escrito mas tem uma arguição para uma banca de 5 professores.

@bigown O texto ainda é preliminar (não corrigi erros de ortografia, e também não tem obviamente as alterações que ainda serão sugeridas pela banca): dl.dropboxusercontent.com/u/93473897/…

@bigown "Assessment of Fun from the Analysis of Facial Images"

@bigown Pois é. rs

@bigown Valeu! :)

@jbueno Valeu. Ainda falta a defesa (mês que vem - os professores da banca ainda estão definido a melhor data).

@jbueno Foram longos 5 anos... :/ Ufa.

@bigown Bacana. Agora que eu tô finalmente nos finalmente do doutorado, volto a ter vida pra outras coisas legais. rs

@bigown Eu vi as fotos no FB. Pelo jeito foi boa a palestra.

@bigown A MS tem que se cuidar é com o Watson da IBM.... rs

@bigown Vi sim. Muito legal! :)

[]s

Se tiver dúvidas mais práticas, poste no SOPT mesmo. Tem muita gente que pode ajudar.

[]s

Beleza. Boa sorte!

É uma limiariazação (pode chamar de binarização mesmo) feita diretamente em C#.

A resposta que eu citei quatro mensagens acima pode te ajudar muito!

Dá uma olhada depois: github.com/luigivieira/emotions

Sim. Fiz mestrado e doutorado na área. :)

Dá uma olhada nessa minha resposta: pt.stackoverflow.com/questions/105693/…

Ótimo! Limiariazação realmente RESOLVE o seu problema.

Não precisa do OpenCV! :)

Mas, na boa, se for pra fazer limiarização (ou binarização, dá no mesmo), vc pode fazer diretamente em C#!

Não, nunca ouvi falar. Sempre usei OpenCV em Python ou em C++ mesmo.

Ele usa a distribuição de cores, então se os seus RGs forem bem diferentes do fundo, pode ser bom pra encontrar o que precisa.

CamShift é um algoritmo massa e razoavelmente simples: computervisiononline.com/blog/…

Dá uma olhada aqui também: pt.stackoverflow.com/questions/104656/… Sobre o CamShift.

É, muita ente desconhece o chat.

TensorFlow é um arcabouço para a execução de redes neurais profundas. Isso não necessariamente vai te ajudar a resolver o seu problema. De novo: me parece que o seu problema é cropar a região onde está o RG. Limiarização pode resolver.

Dependendo do seu sistema, há várias coisas que podem ser feitas. Vc pode fazer um histograma de cores e procurar pela região com a maior probabilidade de ser um RG (como ele tem cores bem características, pode ser mais simples).

O que seria mais prático depende do que vc quer fazer. Se vc quer detectar RGs (isto é, saber se numa imagem tem ou não um RG), aí o Haar pode te ajudar. Mas se vc quer processar RGs, outras abordagens podem ser melhores. Até porque geralmente vc já vai saber que na imagem tem um RG, a sua questão é só localizá-lo e segmentá-lo (cropar a região onde tá o RG).

Isso, limiarização é isso mesmo: thresholding.

Outra coisa: se vc quer detectar RGs, não tem abordagens mais fáceis (e rápidas)? Já tentou com limiarização? Posso estar enganado, mas dependendo do que vc quer fazer com os RGs (e de como pode capturar as imagens), usar Haar pode ser como usar um canhão pra matar uma formiga.

Honestamente eu não sei te responder. Esse tipo de processo é meio por tentativa e erro. Vc tem várias imagens de RG em diferentes rotações? O que eu disse de variabilidade era isso mesmo: diferentes orientações e tals, não necessariamente ter mais imagens. Muito embora ter mais imagens ajude.

2) Se vc está obtendo só 1 delas, é provável que "há algo errado" com os seus dados. Eu diria que eles são pouco representativos do objeto no mundo real ou, mais provável, que as imagens tenham pouca variação. Vc capturou imagens em diferentes orientações, com diferentes fundos, etc? Procure melhorar seus dados de entrada para o treinamento.

Já no texto do tutorial que vc está utilizando, bem depois dos "resultados", consta o seguinte: "Each row represents a feature that is being trained and contains some output about its HitRatio and FalseAlarm ratio. If a training stage only selects a few features (e.g. N = 2) then its possible something is wrong with your training data.". Ou seja: 1) isso não são resultados, são as características (haar features) encontradas e úteis na classificação dos dados.

Mas eu repito: eu não conheço a respeito do uso combinado de redes neurais e algoritmos genéticos, então não posso ajudar muito nesse sentido.

Sobre ser rápido ou não, você não precisa fazer a rede jogar contra um humano na velocidade do humano. Vc pode coletar dados de milhares de jogos (que já existem por aí, gravados de partidas com jogadores famosos, por exemplo) e usá-los como dados de entrada pra sua rede. Ou seja, ela não precisa realmente "jogar". Isso não quer dizer que você não possa usar uma abordagem de aprendizagem por reforço. Mas não precisa necessariamente.

@DanOver Não. Independentemente da origem dos dados, as redes neurais (até onde eu saiba) dependem de dados de entrada (i.e. de treinamento). Eu realmente desconheço abordagens mistas com algoritmos genéticos.

Eu movi a discussão pra cá porque este site não é um fórum, ok? Vc pode sempre tirar dúvidas com quem estiver online no [chat], mas as áreas de comentários são feitas para colocações a respeito da postagem. :)

@DanOver Isso quer dizer que ela está sendo treinada a partir de "tentativa e erro": as ações que ela realiza no jogo (seja sozinha ou contra oponentes diversos) são ponderadas em termos do quão bom é seu resultado e esses dados são reutilizados como entrada em mais um passo de treinamento. Se usa GA ou não, vai depender da implementação e da intenção com o treinamento.

@DanOver Entendi. Veja que a primeira imagem indica que você precisaria ter dois classificadores lineares diferentes pra resolver o XOR (o que só ajudaria nesse problema - em outros, talvez vc precisasse ter dezenas ou centenas de classificadores lineares, tornando impraticável!). A segunda diz o que precisa ser feito na verdade. Veja a imagem que eu postei logo após o gráfico do XOR nesta outra postagem: pt.stackoverflow.com/a/193712/73 Vai te ajudar a entender o que eu quis dizer com mapeamento pra outra dimensão, onde um só classificador linear é suficiente. :)

@DanOver Na prática as camadas fazem um mapeamento dos dados para que em alguma dimensão (maior) o problema se torne linearmente separável. Então, sim, você pode entender que se usa diferentes "linhas retas" para aproximar uma "linha curva". :)

Obrigado. Sua resposta também foi um bom auxílio/complemento à pergunta. :)