A framework for image segmentation with deep neural models on IoT devices (2025)
- Authors:
- Autor USP: ROSA, CIRO BATISTA - IME
- Unidade: IME
- Sigla do Departamento: MAC
- DOI: 10.11606/T.45.2025.tde-30102025-153225
- Subjects: APRENDIZAGEM PROFUNDA; APRENDIZADO COMPUTACIONAL; COMPRESSÃO (COMPUTABILIDADE E COMPLEXIDADE); INTERNET DAS COISAS; PROCESSAMENTO DE IMAGENS; REDES NEURAIS
- Keywords: Aprendizado de máquina; Aprendizado profundo; Compressão de modelos; Computação de borda; Convolutional neural networks; Deep learning; Destilação de conhecimento; Edge computing; ESPNet; Image segmentation; Internet das coisas; Internet of things; Knowledge distillation; Machine learning; Mobile-Unet; Model compression; Modelos de visão; Redes neurais convolucionais; Segmentação de imagens; Segmentação semântica; Semantic segmentation; U-Net; Vision models
- Agências de fomento:
- Language: Inglês
- Abstract: Esta tese de doutorado apresenta um conjunto de ferramentas (framework) eficiente e estruturado para aplicação da técnica conhecida como destilação de conhecimento (knowledge distillation) aplicada ao aprendizado profundo de modelos, com o objetivo de habilitar a segmentação semântica em dispositivos com limitação de recursos. O objetivo central trata da compressão de modelos de alta capacidade (teacher models) para modelos de menor tamanho (student models) otimizados para aplicações em dispositivos tipo Internet das Coisas (IoT). O conjunto de ferramentas proposto inclui um fluxo de trabalho (pipeline) detalhado. Três arquiteturas compactas foram avaliadas sistematicamente: uma variante da rede U-Net, a Mobile-Unet, e a ESPNet. Dentre estas, a ESPNet demonstrou consistência e equilíbrio entre medidores de desempenho para segmentação semântica e eficiência computacional. A destilação através do encoder emergiu como a estratégia mais eficiente. Os resultados obtidos demonstram que um cuidadoso projeto de destilação de conhecimento produz modelos capazes de executar segmentação semântica em tempo quase real, em dispositivos de computação de borda
- Imprenta:
- Data da defesa: 12.09.2025
- 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
ROSA, Ciro. A framework for image segmentation with deep neural models on IoT devices. 2025. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-30102025-153225/. Acesso em: 12 jan. 2026. -
APA
Rosa, C. (2025). A framework for image segmentation with deep neural models on IoT devices (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-30102025-153225/ -
NLM
Rosa C. A framework for image segmentation with deep neural models on IoT devices [Internet]. 2025 ;[citado 2026 jan. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-30102025-153225/ -
Vancouver
Rosa C. A framework for image segmentation with deep neural models on IoT devices [Internet]. 2025 ;[citado 2026 jan. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-30102025-153225/
Informações sobre o DOI: 10.11606/T.45.2025.tde-30102025-153225 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
