Data augmentation via generative adversarial networks aplicado em classificação de imagens
Data
2019-12-15
Tipo
Trabalho de conclusão de curso
Título da Revista
ISSN da Revista
Título de Volume
Resumo
"A classificação de imagens é uma das grandes áreas de aplicação do Aprendizado de Máquina. No entanto, para um bom desempenho dos algoritmos, faz-se necessária uma grande quantidade de dados, especialmente, rotulados. Diversas técnicas foram propostas para se obter mais dados via data augmentation (DA). Uma abordagem comum é aplicar Transformação de Imagens (TIs) no conjunto, gerando novas imagens a partir das imagens
originais com aplicações de efeitos como corte, rotação, ruídos, etc. Uma nova abordagem é o uso das Generative Adversarial Networks (GANs) que são redes capazes de sintetizar dados artificiais a partir dos dados originais, sob um processo adversarial de duas redes neurais. Além disso, para se trabalhar com imagens, pode ser necessário representá-las por um vetor de atributos, sendo possível utilizar Redes Neurais Convolucionais (CNNs) para extrair suas características. Portanto, o objetivo deste trabalho é analisar essas duas
abordagens de data augmentation aplicadas na classificação de imagens e avaliar diferentes CNNs como extratores de características."