Classificação de imagens em fluxos de dados utilizando aprendizado profundo.

• Ano de defesa: 2023
• Autor(a) principal: Silva Junior, Orlando da
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado computacional; Aprendizagem profunda; Data streams; Deep learning; Fluxos de dados; Image processing; Machine learning; Neural networks; Processamento de imagens; Redes neurais
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-23012024-101019/

As aplicações modernas tem transformado a vida em sociedade e trazido novos desafios computacionais. Um desses desafios é a produção massiva e não estacionária de dados de imagem, que requerem o desenvolvimento de algoritmos eficientes para processamento em tempo real e técnicas de análise para lidar com a natureza dinâmica desses dados. Nesta tese, a tarefa de classificação de imagens é explorada por meio de técnicas de aprendizagem em fluxos de dados. O objetivo é implementar algoritmos para a classificação de imagens utilizando aprendizado profundo, concentrando-se na investigação de modelos e algoritmos para o processamento e a aprendizagem de imagens em fluxos de dados. Um framework completo é proposto para a construção e validação de modelos das redes neurais profundas. Diferentes experimentos são conduzidos para avaliar a capacidade preditiva do framework em classificar novas imagens e os resultados são comparados com outros métodos do estado-da-arte. Os resultados mostram que o framework proposto supera os métodos comparados na maior parte dos cenários avaliados.