Classificação de imagens baseada no aprendizado profundo e na teoria da ressonância adaptativa
Carregando...
Arquivos
Data
2024-08-02
Autores
Orientador
Minussi, Carlos Roberto 
Coorientador
Pós-graduação
Engenharia Elétrica - FEIS
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Com o recente desenvolvimento de grandes bancos de dados e do processamento paralelo, entre outras facilidades computacionais, as Redes Convolucionais Profundas, com sua alta precisão de classificação, ganharam muitos destaques em tarefas de visão computacional. Estas redes retém uma grande quantidade de conhecimento, pois, normalmente, são treinadas de forma otimizada com muitas imagens, o que demanda um longo período. Entretanto, em suas formas clássicas, utilizam o algoritmo de retropropagação e, portanto, apresentam fragilidades como, esquecimento catastrófico, alucinação e passividade a ataques adversários. Por outro lado, as técnicas de transferência de conhecimento possibilitam aproveitar o vasto conhecimento retido nestas redes e utilizar, por exemplo, uma rede neural da família da Teoria da Ressonância Adaptativa como um agente classificador. Este estudo propõe um modelo, denominado de VGG ARTMAP Fuzzy, que utiliza a arquitetura VGG-16 para extração de características de imagens e uma rede neural ARTMAP Fuzzy para a classificação. O modelo é testado por meio de simulações com bancos de dados relativos à diferentes aplicações de problemas de visão computacional e seu desempenho é validado tanto pela acurácia de suas respostas em testes quanto aos tempos de treinamento e teste.
Resumo (inglês)
With the recent development of large databases and parallel processing, among other computational facilities, Deep Convolutional Networks, with their high classification accuracy, have gained much prominence in computer vision tasks. These networks retain a large amount of knowledge because they are usually trained in an optimized way with many images, which requires a long period of time. However, in their classical forms, they use the backpropagation algorithm and, therefore, present weaknesses such as catastrophic forgetting, hallucination and passivity to adversarial attacks. On the other hand, knowledge transfer techniques make it possible to take advantage of the vast knowledge retained in these networks and use, for example, a neural network from the Adaptive Resonance Theory family as a classifying agent. This study proposes a Fuzzy VGG ARTMAP model, which uses the VGG-16 architecture for image feature extraction and a Fuzzy ARTMAP neural network for classification. The model is tested through simulations with databases related to different applications of computer vision problems and its performance is validated both by the accuracy of its responses in tests and by the training and testing times.
Descrição
Idioma
Português
Como citar
NUNES, Ricardo Fernando. Classificação de imagens baseada no aprendizado profundo e na teoria da ressonância adaptativa. 2024. 114 f. Tese (Doutorado em Engenharia Elétrica) – Faculdade de Engenharia, Universidade Estadual Paulista - Unesp, Ilha Solteira, 2024.