Estimação de Filtos em Redes Convolucionais FLIM Aplicada à Detecção de Objetos

• Processo: 24/08332-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2024
• Data de Término da vigência: 01 de dezembro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Alexandre Xavier Falcão
• Beneficiário: João Deltregia Martinelli
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Bolsa(s) vinculada(s): 24/23772-3 - Segmentação de ovos de parasitas com uma rede FLIM-BoFP, BE.EP.IC
• Assunto(s): Aprendizado computacional Redes neurais convolucionais
• Palavra(s)-Chave do Pesquisador: Aprendizado de Características de Imagem | Aprendizado de Máquina | Descritores de Imagem | Detecção de objetos | Redes Neurais convolucionais | Aprendizado de Máquina

Resumo

Nos últimos anos, redes neurais convolucionais (CNNs) têm tido enorme sucesso na criação de modelos para sistemas de apoio à decisão e sistemas de tomada de decisão. Entretanto, à medida que a dificuldade do problema aumenta, os modelos ficam mais complexos revelando desafios em requerimentos de dados, interpretabilidade e recursos computacionais. Feature Learning from Image Markers (FLIM), uma metodologia recente para estimar filtros (kernels) em CNNs a partir de marcadores de imagem sem retropropagação, tem mostrado resultados promissores na diminuição desses desafios. Por meio de marcadores desenhados pelo usuário em regiões relevantes de poucas imagens de treinamento e do agrupamento de subimagens (patches) extraídas dos marcadores para a estimação dos filtros, a rede demanda consideravelmente menos dados anotados, produzindo resultados facilmente interpretáveis pelo seu projetista. Este projeto de iniciação científica visa conduzir uma análise comparativa entre duas principais variações da estimação de filtros em redes FLIM de detecção de objetos. Por mais que essas variações tenham sido informalmente exploradas por seus autores, uma comparação sistemática é necessária para entender seus prós e contras relativos. A análise comparativa focará em algumas métricas críticas, como acurácia do modelo, tamanho do modelo e requisitos computacionais. Essa análise proverá entendimentos sobre as vantagens e desvantagens de cada método, facilitando decisões a respeito de sua aplicabilidade em ambientes com recursos restritos. Com os esclarecimentos da análise entre métodos de estimação de filtros, esta pesquisa busca avançar no projeto de CNNs baseadas na metodologia FLIM. Um dos métodos de estimação de filtros ainda não foi publicado e, portanto, os resultados deste estudo têm potencial para serem apresentados em um artigo científico. O projeto também prevê um período de estágio de pesquisa no exterior (estágio BEPE) em parceria com um dos colaboradores do orientador, o professor Jeferson dos Santos da University of Sheffield.