Contagem de alevinos utilizando redes neurais convolucionais
Por: João Pedro Galina • 6/12/2018 • Seminário • 611 Palavras (3 Páginas) • 201 Visualizações
Contagem de alevinos de peixes utilizando Redes Neurais Convolucionais
Evaldo Arêdes Morais Filho
João Pedro Galina
Luiz Alcindo Dutra Villa Ruel
Introdução
Sobre o tema
Captura das imagens
Visão computacional e redes neurais convolucionais
Luiz
Redes Neurais
Modelos matemáticos baseados na organização e no funcionamento do cérebro humano, que têm a capacidade de aprender a partir de exemplos.
O conhecimento é adquirido pela rede a partir de seu ambiente através de um processo de aprendizagem;
A aprendizagem se dá a partir do ajuste dos pesos;
Evaldo
Convoluções
Filtros aplicados em imagens com o objetivo de detectar bordas.
As Redes Neurais Convolucionais possuem uma ou mais camadas escondidas que contém apenas convoluções.
João
Dataset
O conjunto de dados é composto por 20 vídeos de aproximadamente 1000 quadros contendo quantidades variadas de alevinos.
Os alevinos são anotados manualmente em cada quadro para contar e rastrear cada um deles.
A partir das imagens anotadas são gerados Heatmaps a partir da Função de Gauss.
João
Dataset
Imagens Originais
Imagens originais
Imagens anotadas
HeatMap
João
Função de Gauss
Distribuição Normal ou Gaussiana - Modelar fenômenos naturais
Seja P(x) uma distribuição gaussiana:
Os parâmetros média (μ) e a variância (σ²) } especificam completamente esta distribuição normal unidimensional:
Evaldo
Função de Gauss
Distribuições Normais Multivariáveis
De forma análoga ao caso unidimensional, a distribuição multidimensional é completamente caracterizada pelos parâmetros: - Vetor Média (U) - Matriz covariância (C) (equivalente à variância)
Sejam 𝓧a = {𝓧a1,𝓧a2 , …, 𝓧aN } e 𝓧b = {𝓧b1,𝓧b2 , …, 𝓧bN } duas coleções de amostras das características 𝓧a e 𝓧b de uma mesma população.
Evaldo
Função de Gauss
Distribuições Normais Multivariáveis
Matematicamente temos a distribuição normal P( 𝓧a,𝓧b) e a matriz variância (Cab):
Onde cov(xa,xb) é a covariância entre as séries xa e xb dada por:
Evaldo
Funcionamento da Rede
A rede receberá como entrada as imagens manualmente anotadas e como saída esperada os Heatmaps correspondentes a cada imagem.
Inicialmente cada entrada passará pela rede Inception V3.
A saída produzida passará então por camadas Conv e de UpSampling.
A função de ativação ainda não foi definida, porém, inicialmente será usada a função ReLu.
Depois será feita uma validação cruzada utilizando o BackPropagation comum como algoritmo de treinamento.
João
Inception V3
Modelo de reconhecimento de imagens
A inspiração vem da ideia de que você precisa tomar uma decisão sobre o tipo de convolução que deseja fazer em cada camada: - 3 × 3 × 3? Ou 5 × 5 × 5?
Por que não usar todos eles e deixar o modelo decidir?
Faz cada convolução em paralelo e concatena os mapas de recursos resultantes antes de ir para a próxima camada.
A próxima camada também é um módulo de criação
E então cada um
...