Use este identificador para citar o ir al link de este elemento:
http://hdl.handle.net/1843/59366
Tipo: | Dissertação |
Título: | Enhancing domain adaptation on visual data |
Título(s) alternativo(s): | Aprimorando a adaptação de domínio em dados visuais |
Autor(es): | Renato Sérgio Lopes Júnior |
primer Tutor: | William Robson Schwartz |
primer miembro del tribunal : | Guillermo Câmara Chávez |
Segundo miembro del tribunal: | Pedro Olmo Stancioli Vaz de Melo |
Resumen: | Recently, deep neural networks have been extensively used to solve a variety of problems in different areas. For instance, convolutional neural networks have completely changed the landscape of the Computer Vision field by achieving remarkable results in tasks such as image classification and object detection. However, to obtain good results, a large amount of labeled data is necessary to train these networks, thus constituting one of the main obstacles in their adoption, as gathering and labeling this large amount of data can be very time and resource consuming. Therefore, domain adaptation methods leverage labeled data that are already available from a different, but semantically related, source domain to train a model that can correctly make predictions on the data in which we are interested, the target domain, thus skipping the high labeling cost. This work presents two new approaches for further enhancing the adaptation performance on visual domains in the image classification task. Furthermore, we also conduct a case study to investigate the viability of performing domain adaptation in a real-world scenario considering the task of automatic Personal Protective Equipment usage detection with convolutional neural networks. Experiments demonstrate that our proposed approaches are able to improve their baseline results and provide meaningful insights for future works on domain adaptation. |
Abstract: | Recentemente, as redes neurais profundas têm sido amplamente utilizadas para resolver uma variedade de problemas em diferentes áreas. Por exemplo, as redes neurais convolucionais mudaram completamente o cenário da Visão Computacional, alcançando resultados notáveis em tarefas como classificação de imagens e detecção de objetos. No entanto, para se obter bons resultados, é necessária uma grande quantidade de dados rotulados para treinar estas redes, o que constitui um dos principais obstáculos na sua adoção, uma vez que coletar e rotular esta grande quantidade de dados pode consumir muito tempo e recursos. Portanto, os métodos de adaptação de domínio usam dados rotulados que já estão disponíveis em um domínio de origem diferente, mas semanticamente relacionado, para treinar um modelo que possa fazer previsões corretas sobre os dados nos quais estamos interessados, o domínio de destino, evitando assim o alto custo de rotulagem. Este trabalho apresenta duas novas abordagens para melhorar ainda mais o desempenho de adaptação em domínios visuais na tarefa de classificação de imagens. Além disso, também realizamos um estudo de caso para investigar a viabilidade de realizar adaptação de domínio em um cenário do mundo real, considerando a tarefa de detecção automática do uso de Equipamentos de Proteção Individual com redes neurais convolucionais. Experimentos demonstram que nossas abordagens propostas são capazes de melhorar os resultados dos seus métodos base e fornecer insights significativos para trabalhos futuros sobre adaptação de domínio. |
Asunto: | Computação – Teses Aprendizado do computador – Teses Visão por computador - Teses Processamento de imagens – Técnicas digitais – Teses Aprendizado profundo - teses Redes neurais convolucionais - Teses |
Idioma: | eng |
País: | Brasil |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Institución: | UFMG |
Departamento: | ICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO |
Curso: | Programa de Pós-Graduação em Ciência da Computação |
Tipo de acceso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/59366 |
Fecha del documento: | 19-jul-2023 |
Aparece en las colecciones: | Dissertações de Mestrado |
archivos asociados a este elemento:
archivo | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Dissertacao_Renato_Sergio_Lopes_Junior.pdf | 7.1 MB | Adobe PDF | Visualizar/Abrir |
Los elementos en el repositorio están protegidos por copyright, con todos los derechos reservados, salvo cuando es indicado lo contrario.