Avaliação de desempenho de redes neurais convolucionais para classificação de imagens de texturas rotacionadas (2018)
- Authors:
- USP affiliated author: OLIVEIRA, KAIO AUGUSTO DE - EESC
- School: EESC
- Subjects: RECONHECIMENTO DE IMAGEM; REDES NEURAIS
- Keywords: Aprendizado profundo; Classificação de textura; Convolutional neural networks; Deep learning; Invariance to rotation; Invariância à rotação; Redes neurais convolucionais; Texture classification
- Language: Português
- Abstract: Este trabalho propõe a avaliação de desempenho de redes neurais convolucionais para classificação de imagens de texturas rotacionadas por diferentes métodos. Foram utilizadas duas redes profundas: a AlexNet e a VGG-16, para a classificação de imagens de texturas rotacionadas do Álbum de Brodatz rotacionado. Essa base de dados contém imagens de textura naturais que foram rotacionadas fisicamente no momento da captura e rotacionadas computacionalmente. Cinco métodos de interpolação são utilizados: Lanczos, B-spline, Cúbica, Linear e Nearest Neighbor. Foram criados conjuntos de treino e teste para cada método de rotação a partir do recorte sem sobreposição das imagens contidas na base de dados. Foram realizados experimentos para avaliar o desempenho das redes quando são treinadas e testadas com imagens rotacionadas através do mesmo método, nos quais a rotação via hardware obteve 100% de acurácia para ambas as redes, resultado não igualado por nenhuma interpolação, demonstrando que a rotação computacional acarreta em perdas para a classificação de texturas rotacionadas utilizando CNNs. Em seguida foi realizado o teste com a utilização de amostras rotacionadas por outros métodos, para este caso as imagens rotacionadas fisicamente obtiveram os melhores resultados de acurácia para todas as redes treinadas com amostras rotacionadas computacionalmente. Já para as redes treinadas com amostras rotacionadas fisicamente, o teste com imagens rotacionadas computacionalmente acarreta em grande queda de acurácia causada por overfitting. A seguir, as redes foram treinadas com imagens rotacionadas por todos os métodos sem alterar o tamanho do conjunto de treinamento, os testes mostraram que não existe variação significativa na acurácia entre quando a rede é treinada e testada para cada método de rotação individualmente, ou quando a rede é treinada com todos osmétodos e testada para cada método individualmente. Por fim as redes foram treinadas com um conjunto geral, formado por todos os conjuntos de treinamento de todos os métodos de rotação. As acurácias obtidas por estas redes aumentaram para todos os métodos de interpolação utilizados nos testes, demonstrando que data augmentation no conjunto de treinamento através da adição de amostras rotacionadas por diversos métodos aumenta o desempenho das CNNs na tarefa de classificação de imagens de texturas rotacionadas
- Imprenta:
- Place of publication: São Carlos
- Date published: 2018
-
ABNT
OLIVEIRA, Kaio Augusto de. Avaliação de desempenho de redes neurais convolucionais para classificação de imagens de texturas rotacionadas. 2018. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2018. Disponível em: https://bdta.abcd.usp.br/directbitstream/78d064db-ba07-48a4-8b34-016e6d37f2cd/Oliveira_Kaio_Augusto_tcc.pdf. Acesso em: 03 maio 2024. -
APA
Oliveira, K. A. de. (2018). Avaliação de desempenho de redes neurais convolucionais para classificação de imagens de texturas rotacionadas (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/78d064db-ba07-48a4-8b34-016e6d37f2cd/Oliveira_Kaio_Augusto_tcc.pdf -
NLM
Oliveira KA de. Avaliação de desempenho de redes neurais convolucionais para classificação de imagens de texturas rotacionadas [Internet]. 2018 ;[citado 2024 maio 03 ] Available from: https://bdta.abcd.usp.br/directbitstream/78d064db-ba07-48a4-8b34-016e6d37f2cd/Oliveira_Kaio_Augusto_tcc.pdf -
Vancouver
Oliveira KA de. Avaliação de desempenho de redes neurais convolucionais para classificação de imagens de texturas rotacionadas [Internet]. 2018 ;[citado 2024 maio 03 ] Available from: https://bdta.abcd.usp.br/directbitstream/78d064db-ba07-48a4-8b34-016e6d37f2cd/Oliveira_Kaio_Augusto_tcc.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Oliveira_Kaio_Augusto_tcc... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
