Busca avançada
Ano de início
Entree

Adaptação de domínio com supervisão mínima em problemas multimídia

Processo: 15/09169-3
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de agosto de 2015
Vigência (Término): 30 de junho de 2018
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Convênio/Acordo: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Pesquisador responsável:Ricardo da Silva Torres
Beneficiário:Luís Augusto Martins Pereira
Instituição-sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas, SP, Brasil
Assunto(s):Aprendizado computacional   Reconhecimento de padrões   Transferência (aprendizagem)

Resumo

Uma suposição comum no cenário convencional de aprendizado de máquina é que o domínio-fonte e o domínio-alvo (conjuntos de treinamento e teste respectivamente) seguem a mesma distribuição de probabilidade. Infelizmente, em muitas aplicações do mundo real, dados capturados por diferentes dispositivos ou sob condições variadas de aquisição podem causar incompatibilidade entre as distribuições desses conjuntos. Uma maneira de tratar esse problema é através de métodos de adaptação de domínio (Domain Adaptation) - os quais podem ser vistos como abordagens de transferência de aprendizado (Transfer Learning), uma vez que o objetivo é adaptar um modelo construído a partir de um domínio-fonte para reconhecer instâncias de um novo domínio-alvo. Uma desvantagem desses métodos, no entanto, é que se assume a disponibilidade (durante a construção do modelo) de grandes quantidades de dados rotulados no domínio-fonte e, dependendo do caso, uma pequena quantidade de dados rotulados no domínio-alvo. Contudo, a rotulação de dados é um processo custoso, principalmente em problemas envolvendo dados multimídia (e.g., imagens e vídeos), cujas bases de dados podem conter milhões de instâncias. Tendo em vista esse contexto, nosso objetivo neste projeto de pesquisa é propor métodos de adaptação de domínio que permitam o uso de supervisão mínima, ou seja, o uso de quantidades restritas de dados rotulados no domínio-fonte. Avaliaremos o desempenho desses métodos utilizando dados multimídia, os quais são frequentemente encontrados com dados parcialmente rotulados; e com conjuntos de treinamento e teste com distribuições incompatíveis. Dentre as contribuições deste projeto, está a aplicação dos métodos que serão desenvolvidos como soluções para problemas de adaptação de domínio em dois projetos Microsoft/FAPESP (\# 2013/50155-0 e \# 2013/50169-1), os quais buscam, respectivamente, um melhor entendimento de processos fenológicos e ecológicos diante das mudanças climáticas. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
PEREIRA, LUIS A. M.; TORRES, RICARDO DA SILVA. Semi-supervised transfer subspace for domain adaptation. PATTERN RECOGNITION, v. 75, n. SI, p. 235-249, MAR 2018. Citações Web of Science: 7.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.