Defesa de Mestrado de George Corrêa de Araújo

Título do Trabalho
Super-Resolução de Imagem Única Baseada em Redes Neurais de Cápsulas
Candidato(a)
George Corrêa de Araújo
Nível
Mestrado
Data
Add to Calender 2019-04-29 00:00:00 2019-04-29 00:00:00 Defesa de Mestrado de George Corrêa de Araújo Super-Resolução de Imagem Única Baseada em Redes Neurais de Cápsulas Sala 85 - IC 2 INSTITUTO DE COMPUTAÇÃO mauroesc@ic.unicamp.br America/Sao_Paulo public
Horário
10:00
Local
Sala 85 - IC 2
Orientador(a)
Helio Pedrini
Banca Examinadora

* Titulares

Unidade/Instituição

Hélio Pedrini

IC/UNICAMP

Fabricio Aparecido Breve

UNESP

Alexandre Mello Ferreira

IC/UNICAMP

 

* Suplentes

Unidade/Instituição

André Santanchè

IC/UNICAMP

Moacir Antonelli Ponti

ICMC/USP

Resumo

Super-resolução de imagem única (SISR) é o processo de obter uma versão de alta resolução de uma imagem de baixa resolução, aumentando-se o número de pixels por unidade de área. Este tópico tem recebido grande atenção da comunidade de pesquisa. A técnica de super-resolução pode ser empregada em uma ampla variedade de problemas no mundo real, de imagens de satélite e aéreas até o aprimoramento de imagens comprimidas e vídeos. Apesar dos avanços obtidos pelo aprendizado de máquina profundo na área, a grande maioria das redes utilizadas é baseada em convoluções tradicionais, com as soluções focando em adicionar mais camadas e/ou mais filtros, assim como inovações resultando do emprego conjunto de conceitos bem sucedidos em outras áreas. Neste trabalho, decidimos ir além das convoluções tradicionais e aplicar o conceito de cápsulas. Dados seus resultados impressionantes tanto em problemas de classificação quanto em segmentação de imagens, nós questionamos quão adequadas elas são para SISR. Durante nossos experimentos, verificamos várias estratégias para melhorar os resultados, variando de novas e diferentes abordagens para calcular funções de perda a mudanças nas camadas convolucionais. Nossa rede alcançou resultados competitivos com o estado da arte com menor quantidade de camadas baseadas em convoluções, mostrando que as cápsulas são promissoras no problema de super-resolução de imagens. Também descobrimos que uma nova função de perda aumenta os resultados para todos os modelos aos quais foi aplicado, demonstrando sua eficácia. Até onde temos conhecimento, nossa rede {\it Super-Resolution Capsules} (SRCaps) é a primeira aplicação com sucesso de cápsulas ao problema de super-resolução de imagem única.