Tese

An analysis of sample synthesis for deep learning based object detection (2020)

• Authors:
  • Blanger, Leonardo
  • Hirata, Nina Sumiko Tomita (Orientador)
• Autor USP: BLANGER, LEONARDO - IME
• Unidade: IME
• Sigla do Departamento: MAC
• Assunto: APRENDIZADO COMPUTACIONAL
• Keywords: Aprendizado profundo; Deep learning; Deep learning; Detecção de objetos; Generative models; Modelos gerativos; Object detection; Sample synthesis; Síntese de amostras
• Agências de fomento:
  • Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
  • Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)
• Language: Inglês
• Abstract: Este trabalho investiga o uso de imagens sintetizadas como uma forma de reduzir a dependência de técnicas modernas de Detecção de Objetos, baseadas em Deep Learning, por formas caras de supervisão. Em particular, este trabalho propõe utilizar grandes quantidades de amostras de detecção sintetizadas para pré-treinar arquiteturas de Detecção de Objetos antes de ajustar estas arquiteturas usando dados reais. Como principal contribuição deste projeto, demonstramos experimentalmente como este pré-treinamento serve como uma poderosa estratégia de inicialização, permitindo que modelos atinjam resultados competitivos usando apenas uma fração dos dados rotulados reais. Além disso, para poder sintetizar estas amostras, propomos um pipeline de síntese capaz de gerar uma sequência infinita de imagens artificiais associadas a anotações no formato de bounding boxes. Demonstramos como é possível projetar este pipeline de síntese usando apenas técnicas já existentes baseadas em GANs. Além disso, todos os estágios do nosso pipeline de síntese podem ser completamente treinados usando apenas imagens rotuladas para classificação. Desta forma, fomos capazes de tirar proveito de datasets maiores e mais baratos de rotular, para melhorar os resultados em Detecção de Objetos, um problema mais difícil e para o qual produzir dados rotulados diretamente é mais custoso.Demonstramos a eficácia desta estratégia de inicialização via pré-treinamento, em combinação com nosso pipeline de síntese, através deexperimentos envolvendo detecção de quatro objetos reais: Códigos QR, Faces, Pássaros, e Carros
• Imprenta:
  • Publisher place: São Paulo
  • Date published: 2020
• Data da defesa: 16.10.2020


---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  BLANGER, Leonardo. An analysis of sample synthesis for deep learning based object detection. 2020. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-10112020-203810/. Acesso em: 10 jan. 2026.

• APA

  Blanger, L. (2020). An analysis of sample synthesis for deep learning based object detection (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-10112020-203810/

• NLM

  Blanger L. An analysis of sample synthesis for deep learning based object detection [Internet]. 2020 ;[citado 2026 jan. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-10112020-203810/

• Vancouver

  Blanger L. An analysis of sample synthesis for deep learning based object detection [Internet]. 2020 ;[citado 2026 jan. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-10112020-203810/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• An evaluation of deep learning techniques for QR code detection