Extração de características com aprendizado profundo em cenários de dados e processamento limitados

Resumo

Neste projeto, métodos estado-da-arte serão pesquisados para acelerar os tempos de treinamento e teste de modelos de aprendizado profundo. Também é de interesse desenvolver novas técnicas para treinar tais modelos com uma quantidade limitada de dados. Para acelerar, serão explorados hardware personalizado, como Unidades de Processamento Gráfico (GPUs), para treinamento e hardware incorporado para teste. Pretende-se ainda investigar maneiras de aprimorar um banco de dados de imagens de microrganismos não catalogados, a serem coletadas neste projeto, para torná-lo mais eficaz para modelos de treinamento. Os modelos de aprendizado profundo são conhecidos por dependerem de um grande volume de dados na etapa de treinamento; logo, transformações de imagem e técnicas de aprendizado por transferência serão exploradas para introduzir diversidade e reduzir a dependência de dados. A eficiência das técnicas propostas será avaliada quanto ao aumento da acurácia e a redução dos tempos de treinamento e teste em relação aos modelos de aprendizado profundo treinados diretamente a partir do banco de dados de imagens. (AU)