PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA (PPGI)

UNIVERSIDADE FEDERAL DA PARAÍBA

Telefone/Ramal
Não informado

Notícias


Banca de QUALIFICAÇÃO: CECILIA FLAVIA DA SILVA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: CECILIA FLAVIA DA SILVA
DATA: 26/07/2019
HORA: 08:30
LOCAL: VISIO
TÍTULO: Análise Estatística como ferramenta para meta-aprendizagem de redes neurais convolucionais
PALAVRAS-CHAVES: redes neurais convolucionais, análise de dados, deep learning, similaridade estrutural, resnet
PÁGINAS: null
RESUMO: Redes Neurais Convolucionais são atualmente utilizadas em diferentes aplicações, possuindo na literatura diferentes tipos de arquiteturas. Essas arquiteturas são comumente validadas em bases de dados extensas, entretanto, a performance das mesmas torna-se variável de acordo com a base utilizada, não possuindo um padrão de seleção do modelo de rede conforme aplicação desejada. Dessa forma, esse trabalho tem como objetivo a realização de análise estatística das bases de dados visando a identificação de padrões de falsos positivos da rede, sendo esta análise realizada a partir da extração do índice de similaridade estrutural interclasse (do inglês {Structural Similarity Index - SSIM) de amostras de teste e de treinamento. Após a extração, os falsos positivos das redes convolucionais utilizadas foram analisados de acordo com o SSIM e comparados com a matriz de confusão e acurácia do modelo. Considerando que, atualmente, arquiteturas residuais (ResNet) retornam uma taxa de erro menor que a percepção humana no Desafio de Reconhecimento Visual em Larga Escala (do inglês ImageNet Large Scale Visual Recognition Challenge - ILSVRC), esse trabalho utilizou modelos ResNet variando-se a quantidade de camadas de forma a analisar o desempenho de redes residuais razas, intermediárias e densas, sendo estas treinadas com a base de dados MNIST, base com poucas amostras de treino (60000) se comparada a base utilizada no ILSVRC (14,197,122). Através dessa análise, identificou-se a degradação de performance em redes densas para classes que possuem baixa diversidade de amostras, além disso, constatou-se que os falsos positivos dos modelos rasos e intermediários estão correlacionados com a alta similaridade estrutural entre a classe predita pela rede e a classe que possui o rótulo correto. Por fim, como trabalhos futuros, a metodologia poderá ser replicada em diferentes abordagens convolucionais, como arquiteturas VGG, e bases de dados mais complexas com o objetivo de elaborar uma heurística de seleção dessas arquiteturas.
MEMBROS DA BANCA:
Presidente - 1743917 - THAIS GAUDENCIO DO REGO
Interno - 1167863 - LEONARDO VIDAL BATISTA
Interno - 2813926 - TIAGO MARITAN UGULINO DE ARAUJO