Banca TCC – José Vitor Schneid da Silva

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

Apresentações Finais (2018/1)

SpreadOut: Uma Proposta de Regularização Baseada na Diferenciação de Kernels de Convolução em Redes Neurais Convolucionais
por
José Vitor Schneid da Silva

Curso:
Ciência da Computação

Banca:
Prof. Ricardo Matsumura de Araújo (orientador(a))
Prof. Marilton Sanchotene de Aguiar
Prof. Ulisses Brisolara Corrêa

Data: 05/07/2018

Hora: 8:00h

Local: Sala 112

Resumo do Trabalho:
Este trabalho propõe uma técnica de regularização para Redes Neurais Convo-
lucionais chamada SpreadOut, o qual utiliza a diferenciação dos kernels das camadas convolucionais para inicializa-los em posições mais distantes entre si no espaço multidimensional. O objetivo da técnica é acelerar a convergência da rede através do incentivo a identificação de características diferentes nos dados de entrada pelos kernels. Para demonstrar e avaliar a técnica é utilizado o modelo de Rede Neural Convolucional AlexNet para a classificação de objetos em imagens com e sem a técnica proposta. É demonstrado através dos resultados obtidos que o SpreadOut tem efeito positivo na aceleração da convergência e, em alguns casos, o desempenho final da rede também aumenta, de modo que o classificador alcança uma acurácia na classificação maior que sem a sua utilização.

Para mais informações acesse: http://wp.ufpel.edu.br/notcc/bancas/historico/2018_1/