Tamanho da fonte:
CATEGORIZAÇÃO DE IMAGENS USANDO DEEP LEARNING
Última alteração: 2016-10-05
Resumo
Tendo em vista o grande aumento no uso de técnicas de inteligência artificial, em especial o aprendizado de máquina, nas pesquisas científicas e também como ferramenta estratégica para maior competitividade no mercado em várias áreas, cada vez mais se faz necessário o uso de técnicas eficientes para atender as demandas atuais. Os cientistas esperam que as redes neurais, uma área do aprendizado de máquina, ofereçam novas formas de resolver problemas relacionados com as tarefas naturais, especificamente extraindo as informações mais relevantes provenientes dos dados de entrada e realizar uma tarefa de reconhecimento de padrões por aprender dos exemplos, sem ter sido especificamente configurado para isso (YEGNANARAYANA, 2009). Redes neurais artificiais são modelos computacionais paralelos compostos de unidades de processamento adaptáveis e densamente interconectadas que fornecem uma grande variedade de soluções para problemas, tais como classificação de padrões, síntese e análise de padrão de vocal, compreensão de imagens, previsões e outros (HASSOUN, 1995). Existe hoje uma técnica chamada Deep Learning que tem ganhado bastante visibilidade na área e produzido resultados bastantes satisfatórios. Deep Learning pode ser definida como uma técnica de aprendizado de máquina que visa explicar muitas camadas de informação não lineares, ou seja, trata do aprendizado de múltiplos níveis de representação e abstração que ajudam a construir sentido em dados, tais como imagens, sons e texto (DENG; YU, 2014). O objetivo desse trabalho é aplicar a técnica de aprendizado de máquina deep learning para a categorização de imagens de defeitos de madeira. Para isso, utiliza-se da ferramenta Weka, que é feita para que se possa testar rapidamente métodos de aprendizado de máquina em base dados e que possui uma coleção de algoritmos e ferramentas de processamento de dados, dando suporte para todo o processo de análise e mineração de dados (WITTEN; FRANK; HALL, 2011). A base de dados analisada é um conjunto de imagens de defeitos de madeira, aplicando algoritmos de Deep Learning.
Texto completo:
PDF