Publication
Otimização de redes convolucionais para classificação de imagens
| dc.contributor.advisor | Pereira, Carlos Manuel Jorge da Silva | |
| dc.contributor.author | Almeida, Gustavo Rodrigues | |
| dc.date.accessioned | 2023-03-30T10:27:09Z | |
| dc.date.available | 2023-03-30T10:27:09Z | |
| dc.date.issued | 2021-05-07 | |
| dc.date.submitted | 2020-12-21 | |
| dc.description.abstract | As redes convolucionais têm demonstrado eficácia na resolução de diversos tipos de problemas, nomeadamente classificação de imagens, reconhecimento ou localização de objetos, reconhecimento de som, entre outros. A elevada robustez destas redes permite a sua difusão em áreas de extrema importância para a sociedade, tal como a área biomédica, que inclui um vasto conjunto de tarefas de análise de imagens e diagnóstico clínico. Contudo, o sucesso destes modelos está dependente da identificação da estrutura e dos valores de outros hiperparâmetros, que melhor se ajustam à resolução de um problema específico, sendo que esta tarefa requer elevado esforço computacional e conhecimento pericial. De modo a reduzir estas dificuldades, este trabalho propõe uma metodologia de otimização autónoma dos hiperparâmetros de diferentes arquiteturas convolucionais. A metodologia baseia-se na utilização do algoritmo de inteligência coletiva, Particle Swarm Optimization (PSO), aplicado na otimização de quatro conhecidas arquiteturas convolucionais: AlexNet, VGGNet, ResNet e DenseNet e para resolução de três problemas de diagnóstico médico. Procurando-se identificar a solução que proporciona o melhor desempenho com a menor complexidade possível. Os resultados obtidos demonstraram a eficácia e a rapidez do PSO na identificação de soluções efetivas, sendo alcançados resultados superiores comparativamente a outras abordagens, em duas das três benchmarks em estudo. A técnica ensemble proposta permitiu a obtenção de um F1Score macroAVG de 91.1% e de 96.6%, respetivamente, para as benchmarks Breast Histopathology e Colorectal Histopathology. Os modelos estão disponíveis numa plataforma web que possibilita a realização de diagnósticos de imagens biomédicas, através do uso e da partilha de modelos convolucionais na plataforma. A plataforma demonstrou ser extremamente eficiente e célere na resposta ao diagnóstico de imagens, sendo obtidas as previsões num intervalo inferior a 10 segundos. O seu acesso é público e está disponível no repositório https://github.com/bundasmanu/ProjetoMestrado. | pt_PT |
| dc.identifier.tid | 203003470 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.26/44392 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Redes de convolução | pt_PT |
| dc.subject | Inteligência coletiva | pt_PT |
| dc.subject | Classificação de imagens | pt_PT |
| dc.subject | Diagnóstico médico | pt_PT |
| dc.title | Otimização de redes convolucionais para classificação de imagens | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |