Framework para detecção e adaptação à deriva de conceito em tarefas de visão computacional: uma abordagem para vídeos de vigilância (2023)
- Authors:
- Autor USP: GONÇALVES, VINÍCIUS PIRES MATIAS - EACH
- Unidade: EACH
- DOI: 10.11606/D.100.2023.tde-16052023-204115
- Subjects: VÍDEO; EMPRESA DE VIGILÂNCIA; APRENDIZADO COMPUTACIONAL
- Keywords: Concept Drift; Deriva de conceito
- Language: Português
- Abstract: A adoção de sistemas de vigilância tem crescido nos últimos anos. Esses sistemas são geralmente usados para analisar vídeos provenientes de um conjunto de câmeras instaladas ao longo de espaços como praças, universidades, estações de trem e propriedades privadas. Entretanto, a quantidade de câmeras em que humanos conseguem fixar a atenção simultaneamente é limitada. Além disso, o nível de atenção de operadores de sistemas de vigilância tende a cair em períodos prolongados de tempo. Sistemas de vigilância inteligentes visam reduzir a sobrecarga desses operadores, assim como erros humanos, ao automatizar tarefas como detecção de eventos suspeitos, reconhecimento de atividades, sumarização de vídeos e entre outras. Isso tem sido viabilizado por meio do uso de modelos de aprendizado de máquina. Contudo, esses modelos estão sujeitos a um fenômeno conhecido como deriva de conceito, o qual ocorre quando a distribuição probabilística dos dados de entrada muda de forma não prevista, de modo que essa alteração resulta na degradação da eficácia do modelo. A principal contribuição deste trabalho é uma abordagem na forma de um framework (i.e., arcabouço computacional) que permite o gerenciamento da utilização e adaptação de modelos de aprendizado de máquina em um contexto de vigilância por vídeo. Pela utilização deste framework é possível alternar, de forma automática, o uso dos modelos para que na presença de deriva de conceito, a eficácia perdida seja recuperada em menor tempo.Outras contribuições incluem a organização de metadados, gerenciamento de memória e a possibilidade de extensão de funcionalidades pela adição de novas técnicas de detecção de deriva de conceito e algoritmos de aprendizado de máquina. Além de conceitos fundamentais em torno de adaptação à deriva de conceito no contexto de vigilância por vídeos, é apresentada uma revisão da literatura, a qual traz uma visão geral de algoritmos, características, conjuntos de dados e métricas de avaliação usados nesse contexto. Finalmente, o método proposto é abordado seguido de um experimento para avaliação da eficácia. Esse experimento foi conduzido em um contexto de detecção de anomalia, utilizando três modelos: LSTM, SVM de Uma-Classe e Gaussiano.Em três cenários de detecção de deriva de conceito, foi possível recuperar parte da eficácia dos modelos, mesmo enquanto o modelo mais eficaz era adaptado, processo que durou aproximadamente cinco minutos
- Imprenta:
- Data da defesa: 24.03.2023
- 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
GONÇALVES, Vinícius Pires Matias. Framework para detecção e adaptação à deriva de conceito em tarefas de visão computacional: uma abordagem para vídeos de vigilância. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-16052023-204115/. Acesso em: 04 ago. 2025. -
APA
Gonçalves, V. P. M. (2023). Framework para detecção e adaptação à deriva de conceito em tarefas de visão computacional: uma abordagem para vídeos de vigilância (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/100/100131/tde-16052023-204115/ -
NLM
Gonçalves VPM. Framework para detecção e adaptação à deriva de conceito em tarefas de visão computacional: uma abordagem para vídeos de vigilância [Internet]. 2023 ;[citado 2025 ago. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-16052023-204115/ -
Vancouver
Gonçalves VPM. Framework para detecção e adaptação à deriva de conceito em tarefas de visão computacional: uma abordagem para vídeos de vigilância [Internet]. 2023 ;[citado 2025 ago. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-16052023-204115/
Informações sobre o DOI: 10.11606/D.100.2023.tde-16052023-204115 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
