Banca de TCC – Pedro Lemos Ballester

UNIVERSIDADE FEDERAL DE PELOTAS
CENTRO DE DESENVOLVIMENTO TECNOLÓGICO
TRABALHO DE CONCLUSÃO DE CURSO

Apresentações Finais (2017/2)

Aprendizado de Representação Lateral para Redes Neurais Convolucionais
por
Pedro Lemos Ballester

Curso:
Ciência da Computação

Banca:
Prof. Ricardo Matsumura Araujo (orientador)
Prof. Ulisses Brisolara Corrêa (co-orientador)
Prof. Tiago Thompsen Primo
Prof. Paulo Lilles Jorge Drews Junior

Data: 17 de Novembro de 2017

Hora: 09:00h

Local: Sala B218

Resumo do Trabalho: Este trabalho propõe um novo método de Domain Adaptation baseado em um efeito não documentado de transferência em Redes Neurais Convolucionais, em que um modelo treinado para classificar objetos em um tipo de representação origem pode ser adaptado a uma representação destino sem o treinamento completo na segunda. Para demonstrar o método, é utilizado um modelo treinado para classificação de objetos em fotos, adaptando-o para um problema de classificação de desenhos com poucos detalhes. É demonstrado que durante o processo de fine-tuning para o conjunto novo, classes de desenhos que não são apresentadas aumentam a sua acurácia. Esse efeito foi denominado neste trabalho de Aprendizado de Representação Lateral, sendo ele consequência da generalização da rede para o novo domínio. O efeito é mensurado e explorado durante o trabalho em virtude de interpretar seu funcionamento, seus limites, e de que forma pode ser utilizado como uma ferramenta de minimização dos dados necessários nos problemas de Domain Adaptation e Transfer Learning. Aprendizado de Representação Lateral também aumenta o conhecimento sobre o comportamento de Redes Neurais Convolucionais, abrindo caminhos para novos métodos de regularização e adaptação e transferência não-supervisionados.

Para mais informações acesse: http://wp.ufpel.edu.br/notcc/bancas/historico/2017_2/