A+A-Acessibilidade
EnglishPortuguese
Buscar
25 Out
14:00 Defesa de Mestrado Integralmente a distância
Tema
Análise de Neural Architecture Search para Detecção de Objetos
Aluno
Cicera Vanessa Marques Sampaio Sidrim
Orientador / Docente
Sandra Eliza Fontes de Avila
Breve resumo
Neural Architecture Search (NAS) consiste na automação do processo de construção de arquiteturas de redes neurais profundas. O objetivo principal é reduzir os esforços manuais e o tempo gasto nessa etapa gerando automaticamente uma arquitetura propícia para um determinado conjunto de dados. A NAS foi proposta em 2017 e, desde então, diversas soluções foram introduzidas buscando estratégias que necessitem de um menor poder computacional e ampliando sua atuação para outras tarefas da área de Visão Computacional. Porém, ainda estamos distantes dessa realidade onde os esforços e custos são reduzidos e os resultados são surpreendentes. Nesta dissertação, investigamos a literatura a fim de identificar soluções baseadas em NAS para tarefa de detecção de objetos, compreendendo melhor o quão avançado e promissor está o uso dessas redes. Para isso, levamos em consideração uma infraestrutura menos robusta e um conjunto de dados com quantidade inferior de imagens em relação ao uso relatado na literatura, trazendo uma visão mais realista do uso da NAS, apresentando as dificuldades enfrentadas e justificando o porquê de ainda estarmos longe dessa realidade.
Banca examinadora
Titulares:
Sandra Eliza Fontes de Avila IC/UNICAMP
Aurea Rossy Soriano Vargas IC/UNICAMP
Levy Boccato FEEC/UNICAMP
Suplentes:
Paula Dornhofer Paro Costa FEEC/UNICAMP
Hélio Pedrini IC/UNICAMP