Redes geradoras e aprendizado de características para busca entre domínios visuais

Resumo

Métodos de aprendizado de características têm alcançado o estado da arte em diversas áreas. Apesar dos resultados excelentes obtidos em conjuntos de dados benchmark, ainda há pouco entendimento sobre seu funcionamento, e aplicações ainda a serem exploradas, em particular quando se considera arquiteturas que vão além das redes neurais convolucionais. Nesse projeto, propomos o uso de aprendizado de características a partir de aplicações que envolvam o mapeamento entre domínios em particular nas tarefas de recuperação de imagens entre domínios diferentes e aplicações em que há comumente limite de dados rotulados disponível para treinamento. Esses desafios podem ser resolvidos utilizando aprendizado profundo desenvolvendo novas arquiteturas baseadas em redes multi-stream, autoencoders convolucionais e modelos geradores. Os resultados esperados incluem o desenvolvimento de modelos que, possam realizar com sucesso o mapeamento entre dominios visuais diferentes, sendo capazes de generalizar para dados não vistos. (AU)