Banca de QUALIFICAÇÃO: GUSTAVO HENRIQUE MAIA DIAS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: GUSTAVO HENRIQUE MAIA DIAS
DATA: 29/01/2026
HORA: 14:00
LOCAL: Laboratório ARIA
TÍTULO: Aumento de Dados por Difusão com LoRA Adaptado por Classe para Classificação Arquitetônica
PALAVRAS-CHAVES: Aumento de dados. Modelos de difusão. Classificação de imagens. Adaptação de baixo rank. Aprendizagem profunda.
PÁGINAS: 83
RESUMO: Modelos de aprendizagem profunda para classificação de imagens podem demandar grandes volumes de dados rotulados para alcançar desempenho adequado, porém muitos domínios especializados dispõem apenas de conjuntos de dados reduzidos, devido ao alto custo de aquisição e anotação por especialistas. Técnicas tradicionais de aumento de dados, baseadas em transformações geométricas e fotométricas, apresentam limitações ao não expandir a diversidade semântica das amostras, mantendo o classificador restrito às variações superficiais dos exemplos originais. Este trabalho propõe uma abordagem de aumento de dados baseada em modelos de difusão latente, com Adaptadores de Baixo Posto (Low-Rank Adaptation – LoRA) específicos por classe, capaz de gerar imagens sintéticas que preservam características semânticas definidoras de cada categoria, enquanto introduzem variações relevantes para o treinamento. A metodologia foi avaliada utilizando um conjunto de dados de estilos arquitetônicos brasileiros contendo 570 imagens distribuídas em cinco classes (Barroco, Neoclássico, Eclético, Neogótico e Modernista, com 114 imagens cada), escolhido por apresentar características representativas de problemas de classificação visual complexos: categorização subjetiva, com possível discordância entre especialistas, limites de classe ambíguos, espaços de características contínuos e categorias historicamente evolutivas. Essas propriedades permitem que os resultados obtidos sejam generalizáveis para outros domínios com desafios similares. Os experimentos compararam múltiplas arquiteturas de redes neurais e estratégias de aumento, demonstrando que o aumento generativo isolado superou as abordagens tradicionais na validação cruzada, alcançando acurácia média de 70,0%, com melhorias específicas por estilo de até 10,5% para Barroco, observando-se que o estilo Modernista manteve 100% de acerto. Observou-se também que arquiteturas de camada única apresentaram desempenho superior às de múltiplas camadas, quando utilizados dados aumentados, sugerindo redução de sobreajuste. Como próximas etapas, pretende-se aplicar a metodologia em conjuntos de dados mais generalistas como o ImageNet e incorporar técnicas de interpretabilidade para validar se o classificador foca em características para a classificação das imagens.
MEMBROS DA BANCA:
Presidente(a) - 1743917 - THAIS GAUDENCIO DO REGO
Interno(a) - 1723491 - CLAUIRTON DE ALBUQUERQUE SIEBRA
Externo(a) ao Programa - 1827772 - YURI DE ALMEIDA MALHEIROS BARBOSA