Métodos de resolução de problemas de quebra-cabeça visual baseados em aprendizado profundo
Arquivos
Data
2023-12-12
Autores
Taciano, Miguel Silva 
Orientadores
Faria, Fabio
Tipo
Trabalho de conclusão de curso
Título da Revista
ISSN da Revista
Título de Volume
Resumo
The traditional Jigsaw Puzzle is a challenging task performed by humans, mainly
due to its hardness and being proven to be an NP-Complete problem. Even so, recent efforts
show better performance in this task using different methods involving complex computer
vision and machine learning techniques. In this sense, this thesis proposes new methods
based on the use of semantic segmentation (SS) and deep learning, alone and combined,
with the tasked objective to solve jigsaw puzzles (visual puzzles) in different training scenarios, both with a known middle and an unknown middle configuration. To the best of
our knowledge, this is the first work in the literature that uses SS for the target application.
In the performed experiments, it was possible to demonstrate that our proposed methods
successfully obtained excellent results when compared with other methods existing in the
literature for 3 × 3 puzzle-solving tasks.
O problema de resolução de quebra-cabeças é uma tarefa desafiadora realizada por humanos, principalmente devido à sua dificuldade, além de ser comprovada como um problema NP-Completo. Mesmo assim, esforços recentes mostram melhor desempenho nessa tarefa usando diferentes métodos envolvendo técnicas complexas de visão computacional e aprendizado de máquina. Nesse sentido, este trabalho propõe novos métodos em segmentação semântica (SS) e aprendizado profundo visando resolver quebra-cabeças visuais em diferentes cenários de treinamento com peça central conhecida e desconhecida. Até onde sabemos, este é o primeiro trabalho na literatura que usa SS para a aplicação alvo. Nos experimentos realizados, foi possível demonstrar que nossos métodos baseados em SS e aprendizado profundo conseguem excelentes resultados quando comparados com outros métodos existentes na literatura para tarefas de resolução de quebra-cabeças de tamanho 3 × 3, principalmente em tabuleiros com peça central conhecida.
O problema de resolução de quebra-cabeças é uma tarefa desafiadora realizada por humanos, principalmente devido à sua dificuldade, além de ser comprovada como um problema NP-Completo. Mesmo assim, esforços recentes mostram melhor desempenho nessa tarefa usando diferentes métodos envolvendo técnicas complexas de visão computacional e aprendizado de máquina. Nesse sentido, este trabalho propõe novos métodos em segmentação semântica (SS) e aprendizado profundo visando resolver quebra-cabeças visuais em diferentes cenários de treinamento com peça central conhecida e desconhecida. Até onde sabemos, este é o primeiro trabalho na literatura que usa SS para a aplicação alvo. Nos experimentos realizados, foi possível demonstrar que nossos métodos baseados em SS e aprendizado profundo conseguem excelentes resultados quando comparados com outros métodos existentes na literatura para tarefas de resolução de quebra-cabeças de tamanho 3 × 3, principalmente em tabuleiros com peça central conhecida.