RECONHECIMENTO DE PADRÕES EM IMAGEM EMPREGANDO APRENDIZAGEM PROFUNDA

  • Helena Cristina dos Reis Braga
  • Clarimar José Coelho

Resumo

Reconhecimento de padrões é a classificação de dados de entrada a partir da extração de características importantes provenientes de muitos dados ruidosos ou erros aleatórios (outlier) (GONZALEZ, THOMAS, 1978). O termo aprendizagem profunda (Deep Learning, DL) foi introduzido em aprendizagem de máquina (Machine Learning, ML) e depois passou a ser usado em redes neurais artificiais (Artificial Neural Network, ANN).  Os métodos de aprendizagem DL são compostos por várias camadas de aprendizagem para extrair conhecimento dos dados com múltiplos níveis de abstração (SCHMIDHUBER, 2015).

A rede neural convolucional profunda (Convolutional Neural Network, CNN) é uma arquitetura de aprendizagem profunda usada para a classificação de imagem para a solução de problemas em medicina, biomedicina e sensoriamento remoto. A classificação de imagem consiste em categorizar imagens em uma das várias classes predefinidas. Trata-se de um problema básico de visão computacional como a localização, detecção e segmentação (DU, CAI, WANG, 2016). Por exemplo, numa aplicação em análise ambiental usando imagem de satélite, as classes podem ser área desmatada, área com vegetação rasteira. Dada uma imagem e um sistema de reconhecimento de objetos é possível definir quais serão os objetos de interesse para o reconhecimento automático na imagem (KAMILARIS, PRENAFETA-BOLDÚ, 2017). 

Publicado
2019-01-23