21jul2025
09:00 Defesa de Mestrado sala 85 do IC2
Tema
Integrando Aprendizado de Filtros através de Marcadores em Imagens com Automatos Celulares
Aluno
Felipe Crispim da Rocha Salvagnini
Orientador / Docente
Alexandre Xavier Falcão
Breve resumo
Abordagens de aprendizado profundo normalmente exigem extensos conjuntos de dados anotados e arquiteturas cada vez mais complexas. Este paradigma apresenta desafios significativos em ambientes com recursos limitados, particularmente para aplicações médicas em países em desenvolvimento, onde a anotação de dados é custosa e os recursos computacionais são limitados. Além disso, muitos problemas do mundo real, como a detecção de ovos de parasitas, envolvem menos categorias do que tarefas gerais de visão computacional, sugerindo que abordagens simplificadas podem ser viáveis. Desta forma, esta dissertação de mestrado examina a metodologia Aprendizado de Filtros através de Marcadores em Imagens (FLIM, de Feature Learning from Image Markers), que permite que especialistas do domínio projetem encoders convolucionais diretamente a partir de patches das imagens, fornecendo controle sobre a complexidade do encoder. Ao integrar um decoder adaptativo com um encoder FLIM, criamos modelos que eliminam a necessidade de retropropagação e reduzem substancialmente os requisitos de anotação (tipicamente para apenas 3-4 imagens). A combinação de redes FLIM com Autômatos Celulares (CA) cria um pipeline completo. O CA funciona como uma técnica de pós-processamento; adicionalmente, o FLIM facilita a inicialização do CA, aproveitando o conhecimento do usuário sem exigir interação para cada imagem. Avaliamos a integração FLIM-CA para detecção de objetos salientes em dois conjuntos de dados médicos: detecção de ovos de parasitas e tumores cerebrais. Nossos resultados demonstram desempenho competitivo comparado aos métodos de aprendizado profundo convolucionais, com melhorias de 13% até 20% em métricas como F-Score e uWF, usando apenas uma fração dos parâmetros (milhares vs. milhões). Nosso trabalho propõe um sistema FLIM-CA multi-nível que se baseia nas capacidades hierárquicas dos encoders FLIM.
Banca examinadora
Titulares:
| Alexandre Xavier Falcão | IC/UNICAMP |
| Fátima de Lourdes dos Santos Nunes Marques | EACH/USP |
| João Paulo Papa | FC/UNESP |
Suplentes:
| Marcos Medeiros Raimundo | IC/UNICAMP |
| Nina Sumiko Tomita Hirata | IME/USP |