Aprendizado de transformações de imagens via classificação de microrregiões

• Processo: 18/11899-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2018
• Data de Término da vigência: 31 de agosto de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Nina Sumiko Tomita Hirata
• Beneficiário: Pedro Henrique Barbosa de Almeida
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Processamento de imagens Visão computacional Aprendizado computacional Segmentação de imagens Classificação de dados Pixel Análise de imagens
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Aprendizado profundo | segmentação de imagens | Transformações de imagens | Visão Computacional | Processamento de imagens

Resumo

Várias transformações de imagens podem ser realizadas por operadores de imagens que são modelados por funções que processam os pixels individualmente. Esta característica permite que a determinação desses operadores seja inserida no contexto de aprendizado de máquina como um problema de aprendizado de classificadores de pixels. Dentre os processamentos de imagens comumente utilizados destaca-se a segmentação, que produz uma partição dos pontos da imagem na qual determinadas regiões correspondem aos componentes de interesse e outras a partes a serem ignoradas em uma posterior análise. Devido ao alto custo computacional de se processar cada pixel individualmente, pixels similares podem ser agrupados em microrregiões de forma a reduzir o número de elementos atômicos. O problema de classificar pixels pode então ser trocado pelo problema de classificar essas microrregiões. Em problemas de segmentação, contanto que a borda dessas microrregiões tenha boa aderência ao contorno das regiões de interesse, não há perda de precisão e poderá haver um ganho significativo em termos de custo computacional. O objetivo desteprojeto de pesquisa é a extensão do conjunto de métodos de aprendizado de operadores já estabelecidos, adicionando métodos de aprendizado de operadores que atuam sobre microrregiões. Os novos métodos deverão ser integrados à biblioteca TRIOSlib, mantida pelo grupo, aplicados em problemas de segmentação de imagens, e comparados com os operadores que atuam sobre pixels.