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

• Processo: 19/07361-5
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Mestrado
• Data de Início da vigência: 01 de agosto de 2019
• Data de Término da vigência: 31 de janeiro de 2020
• Área de 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: Xiaoyi Jiang
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Instituição Anfitriã: 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 de imagens
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Imagens Biomédicas | Informação estrutural | Redes Neurais convolucionais | segmentação | Transformação de imagens | Processamento de imagem

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.

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)