Defessa de Dissertação: Ivana Patricia Iahnke Steim
Título: Uma proposta de arquitetura de rede neural convolucional intervalar para o processamento de imagens intervalares
Autor: IVANA PATRICIA IAHNKE STEIM
Orientação:
- Marilton Sanchotene de Aguiar, Orientador (PPGC-UFPel)
Banca Examinadora:
- Paulo R. Ferreira Jr. (PPGC-UFPel)
- Renata Hax Sander Reiser (PPGC-UFPel)
- Maurício Braga de Paula (Universidade Federal de Pelotas)
Data: 9 de Outubro de 2017
Hora: 15:30
Local: Auditório Acadêmico
Resumo:
O objetivo geral deste trabalho é a proposta de uma extensão intervalar para redes neurais convolucionais e a análise de sua aplicação em imagens digitais intervalares no contexto de reconhecimento de padrões em imagens, visando alta exatidão e confiabilidade nos resultados. Este trabalho contém uma rede neural convolucional intervalar com propósito de controlar e automatizar a análise do erro numérico, onde as camadas que compõem a rede neural por convolução são representadas por operações equivalentes através de intervalos e tem-se por objetivo analisar se houve melhora na precisão e na classificação. Primeiro, as imagens tradicionais são transformadas em imagens intervalares, considerando a vizinhança de 4 e de 8 de seus pixels; após é observado o processamento pela rede dessas imagens quanto à exatidão e controle de erro; o terceiro passo é inserir o conceito de fatiamento da imagem intervalar à procura de uma melhoria na capacidade de classificação da rede, com isso são observados alguns casos e seu efeito na acurácia da rede; por fim, são introduzidas operações de Validação Cruzada e de Image Augmentation para confirmar overfiting e buscar um melhor desempenho da rede, respectivamente. Observou-se que o recurso de fatiamento, admissível às imagens intervalares, mostrou-se como melhor opção para um melhor desempenho de classificação da rede nas configurações atuais desta.