AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?

Resumo

Em muitas áreas das Ciências e Engenharia, imagens fornecem informações sobre problemas reais e a associação por uma máquina de um ou mais rótulos por imagem (anotação), com base nessas informações, conduz a uma decisão sobre o problema. No entanto, o aprendizado de máquina requer que o conteúdo de interesse, denominado amostra, seja manualmente isolado e identificado (rotulado) em imagens de treinamento. À medida que as imagens e amostras por imagem não rotuladas crescem em número, a anotação manual delas se torna inviável, nos conduzindo às seguintes questões: Qual é a forma mais intuitiva dos especialistas ensinarem às máquinas a anotar imagens? Quais são as tarefas e desafios envolvidos neste processo? Como minimizar o esforço do especialista com máxima eficácia no aprendizado de máquina? O que máquinas e especialistas podem aprender interagindo? Este projeto temático visa encontrar respostas para estas questões por meio do estudo e desenvolvimento de métodos para anotação de imagem em larga escala, e construção de sistemas de tomada de decisão (sem a participação do usuário) e de sistemas de apoio à decisão, onde especialistas e máquinas cooperam e aprendem uns com os outros continuamente. A metodologia explora as habilidades complementares dos seres humanos, melhores em abstrair o conhecimento, e máquinas, superiores no processamento de dados em larga escala, de modo repetitivo e sem fadiga. O problema é dividido em duas etapas: extração de amostras das imagens e aprendizado interativo de máquina, visando a construção de uma sequência de operações para anotar novas imagens automaticamente ou com o mínimo de intervenção humana. O estudo busca combinar características de imagem obtidas dos dados com características provenientes do conhecimento sobre a aplicação. O projeto visa ainda inovações científicas e tecnológicas para o diagnóstico de parasitos gastrintestinais em humanos e animais vertebrados, por meio da aquisição e anotação automatizadas de imagens microscópicas, e para demonstrar a extensão dos métodos em outros domínios, o projeto inclui estudos de anotação de imagem médica por modelos de forma multi-objeto, e anotação interativa de imagem de sensoriamento remoto. (AU)