Aprendizado de transformações imagem-a-imagem

• Processo: 18/00477-5
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de outubro de 2018
• Data de Término da vigência: 31 de agosto de 2020
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Acordo de Cooperação: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Pesquisador responsável: Nina Sumiko Tomita Hirata
• Beneficiário: Augusto César Monteiro Silva
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 15/22308-2 - Representações intermediárias em Ciência Computacional para descoberta de conhecimento, AP.TEM
• Bolsa(s) vinculada(s): 19/07361-5 - Informações estruturais em processos de aprendizado de transformações imagem-a-imagem, BE.EP.MS
• Assunto(s): Aprendizado computacional Redes neurais convolucionais Processamento de imagens Morfologia matemática
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Classificação de padrão | Modelos de aprendizado profundo | Morfologia Matemática | Operadores de imagens | Redes Neurais convolucionais | Processamento de imagens

Resumo

Operadores que transformam uma imagem de entrada em uma imagem de saída podem ser aplicados em diferentes áreas de estudo, tais como na análise de imagens médicas ou na análise de documentos. A criação manual de um operador que realiza uma transformação desejada é uma tarefa que demanda tempo e esforços significativos. Portanto, mais recentemente, as abordagens que buscam o desenho automático destes e exploram técnicas de aprendizado profundo vem ganhando atenção. Dentre tais abordagens, algumas são locais e buscam o aprendizado de funções características que podem ser vistas como classificadores de pixels individuais, enquanto outras seguem métodos de treinamento global end-to-end, i.e., de imagem a imagem. Ambas as abordagens possuem vantagens e desvantagens distintas. Este projeto tem como objetivo estudar e comparar as duas abordagens, além de criar uma técnica que concilie as características interessantes da abordagem local e global. Todas as abordagens estudadas serão aplicadas a dois problemas reais. Um deles com um conjunto de dados público e muito usado para o estudo de segmentação de vasos sanguíneos, enquanto o outro está relacionado a uma colaboração com a Faculdade de Medicina da USP.

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)

MONTEIRO SILVA, AUGUSTO CESAR; HIRATA, NINA S. T.; JIANG, XIAOYI; IEEE COMP SOC. Skeletal Similarity based Structural Performance Evaluation for Document Binarization. 2020 17TH INTERNATIONAL CONFERENCE ON FRONTIERS IN HANDWRITING RECOGNITION (ICFHR 2020), v. N/A, p. 6-pg., 2020-01-01. (15/22308-2, 19/07361-5, 18/00477-5, 17/25835-9)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

SILVA, Augusto César Monteiro. Análise comparativa de abordagens para aprendizado de transformações imagem-a-imagem. 2020. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME/SBI) São Paulo.