Busca avançada
Ano de início
Entree

Interpretação de imagens e de modelos de aprendizado profundos

Resumo

Um objetivo central na área de Visão Computacional é a interpretação de imagens. Em geral, aspectos de aparência são usados para detectar os componentes de interesse e então as relações espaciais e hierárquicas entre eles são usadas para "descrever" o conteúdo de uma imagem no nível semântico de interesse. Os modelos profundos atuais atingiram um estágio de evolução tal que são capazes de aprender e transferir características de baixo nível de um domínio para outro. No entanto, informações estruturais das imagens tais como as relações espaciais e hierárquicas entre os componentes são ainda modeladas explicitamente usando detalhes específicos de casos. Isto faz com que os modelos sejam mais difíceis de serem interpretados, útil apenas para poucas aplicações específicas, e as implicações sobre o esforço no preparo de dados de treinamento ainda não é claro. O objetivo deste projeto é o desenvolvimento de modelos profundos "structure-aware-semantics-unaware", com habilidade de aprender e codificar informações estruturais independentemente do nível semântico dos componentes. Isto impactaria o entendimento desses modelos (uma vez que as informações estruturais estariam mais explicitamente representadas) e os requisitos relativos aos dados de treinamento (uma vez que seria possível a transferência). Estão planejados estudos teóricos, o desenvolvimento de estratégias de visualização e de novos modelos profundos, e experimentação em relação a diversas tarefas de visão computacional. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
El avance del aprendizaje de máquinas genera nuevas tecnologías basadas en el análisis de imágenes 
Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o auxílio:
Técnica para detecção de parasitas baseada em inteligência artificial é mais eficaz que as convencionais 
Matéria(s) publicada(s) em Outras Mídias (2 total):
Sociedade Científica: Técnica para detecção de parasitas baseada em inteligência artificial é mais eficaz que as convencionais (27/Nov/2019)
NewsLab online: Método para detectar parasitas baseado em inteligência artificial é mais eficaz que técnicas convencionais (26/Nov/2019)