Collaborative image classification for expansible datasets (2024)
- Authors:
- Autor USP: PADILHA, BRUNO - IME
- Unidade: IME
- Sigla do Departamento: MAC
- DOI: 10.11606/T.45.2024.tde-25082025-112227
- Subjects: BIG DATA; APRENDIZAGEM PROFUNDA; INVARIANTES; INFERÊNCIA
- Keywords: Causal inference; Composição de invariantes; Conjuntos de dados expansíveis; Deep learning; Expansive datasets; Generalização; Generalization; Inferência causal; Invariant composition
- Agências de fomento:
- Language: Inglês
- Abstract: Durante a última década, temos experimentado uma evolução marcante dos modelos de Deep Learning juntamente com a nossa capacidade de gerar e armazenar dados. Hoje em dia, é comum encontrarmos domínios de aplicação gerando fluxos de dados, submetendo modelos treinados em conjuntos de dados estáticos à obsolescência do conhecimento. Vários autores estão propondo métodos de aprendizagem baseados na descoberta de invariante inspirada na inferência causal. Neste trabalho, assumimos a seguinte hipótese: a generalização de modelos de Deep Learning para classificação de imagens está correlacionada à sua capacidade de capturar com precisão Invariantes de Classe em conjuntos de dados expansíveis. Para validar esta hipótese, propomos uma estratégia de aprendizagem em 5 etapas para aproximar invariantes globais por composição de invariantes locais aprendidos a partir de dados segmentados por subdomínios de conjuntos de dados expansíveis. Nossos experimentos conduzidos com dados brutos de vídeo da USP-EMS, para as classes ciclista, motociclista e pedestre, mostraram como a segmentação de domínio e a composição de invariantes locais para aproximar invariantes globais por meio do compartilhamento de conhecimento é de fato uma abordagem mais adequada para superar desafios de generalização em conjuntos de dados expansíveis. Além disso, estamos desenvolvendo nossa estrutura de software experimental para gerenciar segmentação de subdomínios, geração de conjuntos de dados e recursoscomputacionais para agilizar o treinamento paralelo em ambientes distribuídos. As próximas etapas incluem experimentos de escalabilidade para milhares de câmeras com maior número de classes e aprendizado de interações de objetos com dimensão temporal para apoiar a análise de comportamento suspeito com conjuntos de dados expansíveis em ambientes multicâmeras
- Imprenta:
- Data da defesa: 18.04.2024
- 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
PADILHA, Bruno. Collaborative image classification for expansible datasets. 2024. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25082025-112227/. Acesso em: 10 out. 2025. -
APA
Padilha, B. (2024). Collaborative image classification for expansible datasets (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25082025-112227/ -
NLM
Padilha B. Collaborative image classification for expansible datasets [Internet]. 2024 ;[citado 2025 out. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25082025-112227/ -
Vancouver
Padilha B. Collaborative image classification for expansible datasets [Internet]. 2024 ;[citado 2025 out. 10 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25082025-112227/ - WED-SQL: uma linguagem declarativa intermediária com apoio transacional para a modelagem e implementação de Sistemas de Informação Cientes de Processos
- Dependency management with WED-flow techniques and tools: a case study
- Modeling time-critical processes with WED-Flow
- WED-SQL: an intermediate declarative language for PAIS execution
- Collaborative classification for object labeling on expansible datasets
- Robust, extensible, and fast: teamed classifiers for vehicle tracking in multi-camera networks
- Compiladores para as linguagens da abordagem WED-flow
- Improved generalization of cyclist detection on security cameras with the OpenImages Cyclists dataset
- DataUSP: Conjunto de serviços analíticos para apoio à tomada de decisões em uma instituição de ensino superior
- OpenImages cyclists: expandindo a generalização na detecção de ciclistas em câmeras de segurança
Informações sobre o DOI: 10.11606/T.45.2024.tde-25082025-112227 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
