Banca de DEFESA: Evair de Jesus Silva Cunha

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: Evair de Jesus Silva Cunha
DATA : 16/08/2023
HORA: 10:00
LOCAL: Virtual
TÍTULO:

Melhorando a detecção de objetos pequenos com DETRAug

PALAVRAS-CHAVES:

Detecção de Objetos pequenos. DETR. AUGMIX. Data 
Augmentation.

PÁGINAS: 62
RESUMO:

Neste trabalho é proposta uma nova abordagem para detecção de objetos 
pequenos chamada DETRAug. A nova técnica combina estratégias dos modelos 
Deformable DETR e AUGMIX. O AUGMIX é uma técnica para melhorar a robustez 
no treinamento de modelos de aprendizagem de máquina com base em mudanças 
na distribuição dos dados de treinamento e teste.
O Deformable DETR é uma variante do modelo DETR, a qual obtém melhores 
resultados com objetos pequenos, além de apresentar um tempo de treinamento 
mais rápido que sua forma original. No DETRAug também focamos na ampliação 
da quantidade de imagens de treinamento e consequente adaptação das 
estratégias para detecção de objetos pequenos. Desta forma, a abordagem 
proposta busca produzir, de maneira estocástica, pequenas imagens com 
diferentes transformações, que no decorrer do processo de treinamento são 
encadeadas com o intuito de gerar uma imagem única a ser adicionada no 
conjunto de treinamento do modelo. A divergência de Jensen-Shannon, uma 
métrica bastante útil para modelagens com distribuições, foi utilizada para 
avaliar a função de Loss do modelo. No decorrer dos experimentos com o uso 
do DETRAug, foi possível verificar que o modelo proposto apresentou uma 
diminuição na quantidade de detecções "no-object", ou seja, nas detecções 
errôneas que o modelo produz. Durante os experimentos, esta nova versão foi 
comparada com os modelos DETR e EfficientDet. A abordagem proposta foi 
avaliada em experimentos com seis datasets públicos. Ao fim dos 
experimentos, foi possível auferir uma melhoria de no mínimo 0.9% em 
relação a métrica mAP, também foi observada uma Loss de treinamento mais 
estável no modelo proposto. Além disso, é possível identificar visualmente 
uma melhora na detecção de objetos que, sob a mesma condição, são ignorados 
pelos outros modelos da literatura.

MEMBROS DA BANCA:
Interno - 1675582 - CLEBER ZANCHETTIN
Externo à Instituição - JOAO PAULO SILVA DO MONTE LIMA - UFRPE
Presidente - 1511095 - TSANG ING REN