Defesa de Doutorado de Paulo Eduardo Rauber

Título do Trabalho
Visual Analytics Applied to Image Analysis
Candidato(a)
Paulo Eduardo Rauber
Nível
Doutorado
Data
Add to Calender 2017-02-20 00:00:00 2017-02-20 00:00:00 Defesa de Doutorado de Paulo Eduardo Rauber Visual Analytics Applied to Image Analysis University of Groningen INSTITUTO DE COMPUTAÇÃO mauroesc@ic.unicamp.br America/Sao_Paulo public
Horário
16:15
Local
University of Groningen
Orientador(a)
Alexandre Xavier Falcão e Alexandru C. Telea
Banca Examinadora

Titulares:
orientador: Alexandre Xavier Falcão (IC/UNICAMP)
orientador: Alexandru C. Telea (University of Groningen)
1º Membro: Jarke J. van Wijk Eindhoven (University of Technology)
2º Membro: Gerard R. Renardel de Lavalette (University of Groningen)
1º Membro: Ricardo da Silva Torres (IC/UNICAMP)
2º Membro: Jiří Kosinka (University of Groningen)
1º Membro: Michael Biehl (University of Groningen)
2º Membro: Henk W. Broer (University of Groningen)

Resumo

Análise de imagens é o campo de pesquisa preocupado com a extração de informações a partir de imagens. Esse campo é bastante importante para aplicações científicas e comerciais.

O objetivo principal do trabalho apresentado nesta tese é permitir interatividade com o usuário durante várias tarefas relacionadas à análise de imagens: segmentação, seleção de atributos, e classificação.

Neste contexto, permitir interatividade com o usuário significa prover mecanismos que tornem possível que humanos auxiliem computadores em tarefas que são de difícil automação.

Com respeito à segmentação de imagens, propomos uma nova técnica interativa que combina superpixels com a transformada imagem-floresta. A vantagem principal dessa técnica é permitir rápida segmentação interativa de imagens grandes, além de permitir extração de características potencialmente mais ricas. Os experimentos sugerem que nossa técnica é tão eficaz quanto a alternativa baseada em pixels.

No contexto de seleção de atributos e classificação, propomos um novo sistema de visualização interativa que combina exploração do espaço de atributos (baseada em redução de dimensionalidade) com avaliação automática de atributos. Esse sistema tem como objetivo revelar informações que levem ao desenvolvimento de conjuntos de atributos eficazes para classificação de imagens. O mesmo sistema também pode ser aplicado para seleção de atributos para segmentação de imagens e para classificação de padrões, apesar dessas tarefas não serem nosso foco. Apresentamos casos de uso que mostram como esse sistema pode prover certos tipos de informação qualitativa sobre sistemas de classificação de imagens que seriam difíceis de obter por outros métodos.

Também mostramos como o sistema interativo proposto pode ser adaptado para a exploração de resultados computacionais intermediários de redes neurais artificiais. Essas redes atualmente alcançam resultados no estado da arte em muitas aplicações de classificação de imagens. Através de casos de uso envolvendo conjuntos de dados de referência, mostramos que nosso sistema pode prover informações sobre como uma rede opera que levam a melhorias em sistemas de classificação.

Já que os parâmetros de uma rede neural artificial são tipicamente adaptados iterativamente, a visualização de seus resultados intermediários pode ser vista como uma tarefa dependente de tempo. Com base nessa perspectiva, propomos uma nova técnica de redução de dimensionalidade dependente de tempo que permite a redução de mudanças desnecessárias nos resultados causadas por pequenas mudanças nos dados. Experimentos preliminares mostram que essa técnica é eficaz em manter a coerência temporal desejada.