Busca avançada
Ano de início
Entree

Informações estruturais em processos de aprendizado de transformações imagem-a-imagem

Processo: 19/07361-5
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Mestrado
Vigência (Início): 01 de agosto de 2019
Vigência (Término): 31 de janeiro de 2020
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Nina Sumiko Tomita Hirata
Beneficiário:Augusto César Monteiro Silva
Supervisor no Exterior: Xiaoyi Jiang
Instituição-sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Local de pesquisa : University of Munster, Alemanha  
Vinculado à bolsa:18/00477-5 - Aprendizado de transformações imagem-a-imagem, BP.MS
Assunto(s):Processamento de imagens   Aprendizado computacional   Redes neurais convolucionais   Segmentação

Resumo

Processamento de imagens é uma parte importante em vários problemas de análise de imagens. Com redes neurais profundas, e particularmente com as redes neurais convolucionais, é possível aprender transformações de imagem-a-imagem a partir de pares de imagens de treinamento entrada-saída. O processamento de cada pixel como uma amostra independente já mostrou resultados significativos, porém existe um consenso de que modelos que levam em consideração as relações espaciais entre pixels conseguem capturar mais informações estruturais do conteúdo da imagem. Por exemplo, redes de segmentação semântica em conjunto com campos aleatórios condicionais obtém as melhores performances em problemas de segmentação de imagens. O objetivo desse projeto é estudar esses modelos, sua otimização dentro do processo de otimização das redes convolucionais, e desenvolver melhorias e novos modelos para serem usados no aprendizado de transformações imagem-a-imagem.