Pesquisa desenvolve novas estratégias para classificação de imagens

Pesquisa sobre o desenvolvimento de novas estratégias de aprendizado de máquina para melhorar os processos de classificação e de reconhecimento de imagens foi desenvolvida durante o curso de mestrado do Programa de Pós-Graduação em Informática (PPGI) do Câmpus Cornélio Procópio. O trabalho é do pesquisador Rafael Staiger Bressan e foi realizado entre os anos de 2016 e 2018, com a orientação da professora Priscila Tiemi Maeda Saito e co-orientação do professor Pedro Bugatti.

A dissertação de Rafael Bressan, com o título “Aprendizado Ativo para Recuperação e Classificação de Imagens”, recebeu o prêmio de melhor dissertação nacional, durante o XV Workshop de Visão Computacional (WVC2019).

Sistemas de recuperação de imagens baseada em conteúdo (CBIR) podem ser capazes de responder a consultas por similaridade. Por exemplo, “quais são as imagens mais similares (próximas) de uma dada imagem de consulta?”.

Segundo a professora Priscila, na área médica, por exemplo, sistemas CBIR têm sido uma ferramenta bastante eficaz no auxílio ao diagnóstico. “É possível encontrar registros de pacientes cujas imagens associadas apresentam aspectos de similaridade, utilizando padrões gráficos, bem como obter correlações utilizando sintomas previamente registrados, tratamentos efetuados, entre outros”, explica.

Considerando que a quantidade de imagens é muito grande, fica inviável rotulá-las manualmente, explicam os pesquisadores. O conjunto de características extraídas das imagens e a interação do especialista no processo são aspectos chaves para se obter resultados mais precisos e correspondentes às expectativas do especialista.

Portanto, essa pesquisa desenvolve novas estratégias de descrição de imagens e de aprendizado de máquina para selecionar amostras mais informativas e minimizar a interação do especialista durante o processo de aprendizado e, assim, melhorar o processo de identificação.