Aprendizado de transformações imagem-a-imagem

Resumo

Operadores que transformam uma imagem de entrada em uma imagem de saída podem ser aplicados em diferentes áreas de estudo, tais como na análise de imagens médicas ou na análise de documentos. A criação manual de um operador que realiza uma transformação desejada é uma tarefa que demanda tempo e esforços significativos. Portanto, mais recentemente, as abordagens que buscam o desenho automático destes e exploram técnicas de aprendizado profundo vem ganhando atenção. Dentre tais abordagens, algumas são locais e buscam o aprendizado de funções características que podem ser vistas como classificadores de pixels individuais, enquanto outras seguem métodos de treinamento global end-to-end, i.e., de imagem a imagem. Ambas as abordagens possuem vantagens e desvantagens distintas. Este projeto tem como objetivo estudar e comparar as duas abordagens, além de criar uma técnica que concilie as características interessantes da abordagem local e global. Todas as abordagens estudadas serão aplicadas a dois problemas reais. Um deles com um conjunto de dados público e muito usado para o estudo de segmentação de vasos sanguíneos, enquanto o outro está relacionado a uma colaboração com a Faculdade de Medicina da USP.