24 fev 2025
14:00 Defesa de Mestrado Sala 85 do IC2
Tema
Uma Avaliação de Modelos de Transformer para Segmentação de Fácies Sísmicas
Aluno
Gabriel Borges Gutierrez
Orientador / Docente
Edson Borin
Breve resumo
Desde sua criação, os transformers revolucionaram o cenário de aprendizado de máquina, alcançando consistentemente desempenho de ponta em diversas áreas, como processamento de linguagem natural e classificação de imagens. No entanto, sua adoção na segmentação de fácies sísmicas tem sido limitada, com a maioria dos estudos recentes focando em redes neurais convolucionais (CNNs). Este trabalho busca preencher essa lacuna avaliando o desempenho de modelos de segmentação baseados em transformers em comparação com modelos baseados em CNNs. Especificamente, testamos três transformers, SegFormer, Segmenter e SetR, e dois modelos CNN, DeepLab V3 e DeepLab V3+. A avaliação foi realizada utilizando os conjuntos de dados F3 e Seam AI, garantindo uma comparação justa e consistente entre os modelos. Em nossos testes, o modelo baseado em transformer SetR superou consistentemente os modelos CNN, destacando seu potencial para aplicações geofísicas. Com base nesses resultados promissores, realizamos uma busca de hiperparâmetros no SetR para otimizar ainda mais seu desempenho.
Banca examinadora
Titulares:
Edson Borin IC/UNICAMP
Edson Takashi Matsubara FACOM/UFMS
Marcelo da Silva Reis IC/UNICAMP
Suplentes:
Esther Luna Colombini IC/UNICAMP
Alexandro José Baldassin IGCE/UNESP