Treinamento de redes neurais convolucionais com uso de imagens sintéticas e técnicas de interpretabilidade

Detalhes bibliográficos
Autor(a) principal: Andrade, Edilton Torres de
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFABC
Texto Completo: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124429
Resumo: Orientador: Prof. Dr. André Kazuo Takahata
id UFBC_f6e3153f6c9550c926d2603d8e9b0f37
oai_identifier_str oai:BDTD:124429
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling Treinamento de redes neurais convolucionais com uso de imagens sintéticas e técnicas de interpretabilidadeREDES NEURAIS CONVOLUCIONAISINTELIGÊNCIA ARTIFICIALRECONHECIMENTO DE IMAGENSINTERPRETABILIDADE DE APRENDIZADO DE MÁQUINAEXPLICABILIDADE DE APRENDIZADO DE MÁQUINACONVOLUTIONAL NEURAL NETWORKSARTIFICIAL INTELLIGENCEIMAGE RECOGNITIONMACHINE LEARNING INTERPRETABILITYMACHINE LEARNING EXPLICABILITYPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABCOrientador: Prof. Dr. André Kazuo TakahataDissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, Santo André, 2022.A acurácia do Reconhecimento de Imagens por meio de Redes Neurais Convolucionais depende da quantidade e diversidade de cenas das imagens utilizadas no treinamento da rede. Assim, frequentemente a obtenção de várias imagens de uma classe é uma tarefa custosa para o treinamento adequado dessas redes. Neste trabalho, avaliamos o uso de imagens sintéticas geradas a partir de Modelos 3D para treinamento da rede. Para tanto, foram utilizados modelos 3D de cães de diferentes raças com uso de um ambiente virtual tridimensional a partir do qual obtivemos de maneira sintética imagens dos cães em diferentes ambientes e posições de câmera. As simulações realizadas demonstraram que as imagens sintéticas podem ser utilizadas para reconhecimento de objetos reais sendo uma alternativa para obtenção de amostras para treinamento das Redes Neurais Convolucionais. Também aplicando as técnicas de Interpretabilidade de Aprendizado de Máquina podemos medir como o objeto de interesse ante o fundo ou região da imagem foi considerado na classificação e dessa forma diversificar a base de imagens para obter melhor acurácia na classificação.The accuracy of Image Recognition through Convolutional Neural Networks depends on the number and diversity of scenes of the images used in the network training, thus often obtaining several images of the same class is a costly task for properly training these networks. In this work, we evaluate the use of synthetic images generated from 3D Models for network training. For this purpose, 3D models of dogs of different breeds were used and, using a three-dimensional virtual environment, from which we obtained, in a synthetic way, dogs images in different environments and camera positions. The simulations performed showed that synthetic images can be used to recognize real objects, being an alternative for obtaining samples for training Convolutional Neural Networks. Also, by applying Machine Learning Interpretability techniques we can measure how the object of interest against the background or region of the image was considered in the classification and in this way diversify the image base to obtain better accuracy in the classification.Takahata, André KazuoFernandes, João Carlos LopesRibeiro, João Henrique RanhelAndrade, Edilton Torres de2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf79 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124429http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124429&midiaext=80886Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=124429porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2023-07-05T19:36:38Zoai:BDTD:124429Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2023-07-05T19:36:38Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.none.fl_str_mv Treinamento de redes neurais convolucionais com uso de imagens sintéticas e técnicas de interpretabilidade
title Treinamento de redes neurais convolucionais com uso de imagens sintéticas e técnicas de interpretabilidade
spellingShingle Treinamento de redes neurais convolucionais com uso de imagens sintéticas e técnicas de interpretabilidade
Andrade, Edilton Torres de
REDES NEURAIS CONVOLUCIONAIS
INTELIGÊNCIA ARTIFICIAL
RECONHECIMENTO DE IMAGENS
INTERPRETABILIDADE DE APRENDIZADO DE MÁQUINA
EXPLICABILIDADE DE APRENDIZADO DE MÁQUINA
CONVOLUTIONAL NEURAL NETWORKS
ARTIFICIAL INTELLIGENCE
IMAGE RECOGNITION
MACHINE LEARNING INTERPRETABILITY
MACHINE LEARNING EXPLICABILITY
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
title_short Treinamento de redes neurais convolucionais com uso de imagens sintéticas e técnicas de interpretabilidade
title_full Treinamento de redes neurais convolucionais com uso de imagens sintéticas e técnicas de interpretabilidade
title_fullStr Treinamento de redes neurais convolucionais com uso de imagens sintéticas e técnicas de interpretabilidade
title_full_unstemmed Treinamento de redes neurais convolucionais com uso de imagens sintéticas e técnicas de interpretabilidade
title_sort Treinamento de redes neurais convolucionais com uso de imagens sintéticas e técnicas de interpretabilidade
author Andrade, Edilton Torres de
author_facet Andrade, Edilton Torres de
author_role author
dc.contributor.none.fl_str_mv Takahata, André Kazuo
Fernandes, João Carlos Lopes
Ribeiro, João Henrique Ranhel
dc.contributor.author.fl_str_mv Andrade, Edilton Torres de
dc.subject.por.fl_str_mv REDES NEURAIS CONVOLUCIONAIS
INTELIGÊNCIA ARTIFICIAL
RECONHECIMENTO DE IMAGENS
INTERPRETABILIDADE DE APRENDIZADO DE MÁQUINA
EXPLICABILIDADE DE APRENDIZADO DE MÁQUINA
CONVOLUTIONAL NEURAL NETWORKS
ARTIFICIAL INTELLIGENCE
IMAGE RECOGNITION
MACHINE LEARNING INTERPRETABILITY
MACHINE LEARNING EXPLICABILITY
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
topic REDES NEURAIS CONVOLUCIONAIS
INTELIGÊNCIA ARTIFICIAL
RECONHECIMENTO DE IMAGENS
INTERPRETABILIDADE DE APRENDIZADO DE MÁQUINA
EXPLICABILIDADE DE APRENDIZADO DE MÁQUINA
CONVOLUTIONAL NEURAL NETWORKS
ARTIFICIAL INTELLIGENCE
IMAGE RECOGNITION
MACHINE LEARNING INTERPRETABILITY
MACHINE LEARNING EXPLICABILITY
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
description Orientador: Prof. Dr. André Kazuo Takahata
publishDate 2022
dc.date.none.fl_str_mv 2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124429
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124429
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124429&midiaext=80886
Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=124429
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
79 f. : il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1801502111079333888

Registros relacionados