Patterns and randomness in networks for computer vision: from graphs to neural networks (2023)
- Authors:
- Autor USP: SCABINI, LEONARDO FELIPE DOS SANTOS - IFSC
- Unidade: IFSC
- Sigla do Departamento: FCM
- DOI: 10.11606/T.76.2023.tde-28092023-095319
- Subjects: APRENDIZADO COMPUTACIONAL; APRENDIZAGEM PROFUNDA; REDES NEURAIS; VISÃO COMPUTACIONAL
- Keywords: Aprendizado de máquina; Artificial neural networks; Ciência das redes; Computer vision; Deep learning; Machine learning; Network science; Redes neurais artificiais
- Agências de fomento:
- Language: Inglês
- Abstract: As redes complexas permeiam vários aspectos da natureza, da sociedade e da ciência. Um dos tipos de rede mais discutidos é a rede neural, principalmente na última década, com os avanços da inteligência artificial (AI). No entanto, pouco se sabe sobre a estrutura de redes neurais artificiais (ANNs) em termos de topologia e dinâmica, do ponto de vista de ciência das redes. Além disso, esses modelos são conhecidos por serem sistemas caixa-preta e também podem apresentar comportamentos inesperados. Esta tese foca em redes de AI, neurais ou não, para visão computacional (CV) - o subcampo da AI que lida com informações visuais. Nosso estudo explora vários aspectos da estrutura, padrões e aleatoriedade em redes, e seu potencial para entender, aprimorar e desenvolver novos sistemas de CV. Em primeiro lugar, propomos uma nova metodologia baseada em ciência das redes para examinar ANNs, com foco em sua centralidade neuronal. Esta abordagem (BoN) revela a relação entre padrões estruturais dentro de ANNs treinadas e seu desempenho, provando ser promissora para entender esses sistemas. Essas descobertas levaram a uma nova técnica de inicialização aleatória de ANN (PARw), que melhora o desempenho e acelera o processo de treinamento de redes rasas e profundas. Também desenvolvemos técnicas de CV para problemas de análise de textura utilizando ciência das redes, focando entre imagens de textura pura ou sem controle. Apresentamos um método (SSN) de modelagem de imagem usando um grafo depixels, que alcança resultados estado-da-arte em bases de dados de referência. Outra nova proposta (SSR) acopla SSNs à pequenas redes neurais aleatórias, melhorando o desempenho sem um aumento substancial nos custos computacionais. A tese apresenta ainda RADAM, um método de transferência de aprendizado para redes convolucionais profundas que também demonstra desempenho notável em CV. Também exploramos o potencial de redes profundas totalmente randomizadas (FR-DCNN), que combinadas com PARw e RADAM provaram ser extratores robustos de características. Por fim, aplicamos nossos métodos em tarefas reais, incluindo diagnóstico de câncer de próstata e de COVID-19, uso folhas como biossensores, e identificação de espécies de planta. Nossos métodos, particularmente o RADAM, alcançaram os melhores resultados nessas tarefas. Em conclusão, esta tese apresenta seis métodos baseados em redes para ANNs e CV, e os resultados mostram que eles melhoram consistentemente o estado-da-arte em vários problemas de classificação de imagens
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
- Data da defesa: 24.07.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
SCABINI, Leonardo Felipe dos Santos. Patterns and randomness in networks for computer vision: from graphs to neural networks. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/76/76132/tde-28092023-095319/. Acesso em: 02 jan. 2026. -
APA
Scabini, L. F. dos S. (2023). Patterns and randomness in networks for computer vision: from graphs to neural networks (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/76/76132/tde-28092023-095319/ -
NLM
Scabini LF dos S. Patterns and randomness in networks for computer vision: from graphs to neural networks [Internet]. 2023 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76132/tde-28092023-095319/ -
Vancouver
Scabini LF dos S. Patterns and randomness in networks for computer vision: from graphs to neural networks [Internet]. 2023 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76132/tde-28092023-095319/ - Análise de imagens multiespectrais através de redes complexas
- Importance of vertices in complex networks applied to texture analysis
- Structure and functioning of neural networks: the complex network properties of artificial neurons
- Local complex features learned by randomized neural networks for texture analysis
- IFSC/USP desenvolve “RADAM”: IA para padrões complexos - Primeira no mundo: Uma IA que treina outra IA. [Depoimento à Rui Sintra]
- Evaluation of activated sludge settling characteristics from microscopy images with deep convolutional neural networks and transfer learning
- Improving deep neural network random initialization through neuronal rewiring
- IA desenvolvida na USP é a melhor do mundo para reconhecer texturas [Depoimento a Ivan Conterno]
- Artificial neural networks and complex networks: an integrative study of topological properties and pattern recognition
- Artificial neural networks and complex networks: an integrative study of topological properties and pattern recognition
Informações sobre o DOI: 10.11606/T.76.2023.tde-28092023-095319 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
