Uma proposta de arquitetura de rede neural convolucional intervalar para o processamento de imagens intervalares

• Ano de defesa: 2017
• Autor(a) principal: Steim, Ivana Patrícia Iahnke
• Orientador(a): Aguiar, Marilton Sanchotene de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pelotas
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação
• Departamento: Centro de Desenvolvimento Tecnológico
• País: Brasil
• Palavras-chave em Português: Computação; Redes neurais convolucionais; Aritmética intervalar; Processamento digital de imagens; Imagens intervalares; Convolutional neural networks; Interval arithmetic; Digital image processing; Interval images
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://guaiaca.ufpel.edu.br/handle/prefix/8518

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.