Aquicultura: Contagem Automática de Pós-larva

Modelo de Filtragem de Imagens Baseado em Redes Neurais Convolucionais para Contagem Automática de Pós-larvas em Aquicultura

Inscrições: https://forms.gle/3SSqdCwHJaguCjNm6

Informações: acm@acm-itea.org

Esta aula tem como objetivo apresentar a metodologia de criação do dataset Vivarium e as especificações de captura de imagem, além de apresentar modelos de predição que possam verificar se determinada imagem está ou não em conformidade com as especificações definidas.

Redes Neurais Convolucionais: Uma Jornada na Visão Computacional

Introdução

As Redes Neurais Convolucionais (RNCs) têm revolucionado a área da visão computacional, permitindo a extração automática de características em imagens e a realização de tarefas complexas, como classificação e detecção de objetos. Neste texto, exploraremos os aspectos históricos, os principais autores, os títulos de livros e as personalidades envolvidas nas evoluções das RNCs.

A Origem

O surgimento das RNCs remonta à década de 1980, com o trabalho seminal de Fukushima sobre o modelo Neocognitron, uma arquitetura de múltiplas camadas de células simples e complexas que se assemelham à organização visual no córtex cerebral [1]. Essa abordagem foi fundamental para o desenvolvimento posterior das RNCs.

Em 1998, LeCun et al. introduziram a arquitetura LeNet-5, uma RNC pioneira que alcançou resultados impressionantes na tarefa de reconhecimento de dígitos manuscritos [2]. Essa rede foi amplamente utilizada em aplicações de reconhecimento de caracteres e impulsionou o interesse nas RNCs.

Evolução

Desde então, várias evoluções foram feitas no campo das RNCs. O trabalho de Krizhevsky et al., em 2012, foi um marco na área com a introdução da rede AlexNet, que utilizou GPU para treinamento em larga escala e venceu o desafio ImageNet, reduzindo significativamente a taxa de erro de classificação de imagens [3].

Outros avanços notáveis incluem a rede VGG proposta por Simonyan e Zisserman em 2014, que alcançou excelente desempenho em várias tarefas de visão computacional [4], e a rede ResNet, introduzida por He et al. em 2015, que introduziu o conceito de resíduos para superar a degradação da rede em treinamentos mais profundos [5].

Principais Autores e Personalidades

Ao longo dessa jornada das RNCs, vários pesquisadores e cientistas contribuíram significativamente para a área. Yann LeCun, atual Diretor de IA do Facebook e ganhador do Prêmio Turing, foi uma das figuras centrais no desenvolvimento e avanço das RNCs. Seu trabalho pioneiro no modelo LeNet-5 estabeleceu as bases para futuras arquiteturas de RNCs.

Outro nome importante é Geoffrey Hinton, professor da Universidade de Toronto e vencedor do Prêmio Turing. Hinton foi um dos principais responsáveis pelo desenvolvimento da técnica de treinamento de redes profundas, conhecida como “deep learning”, que impulsionou o sucesso das RNCs.

Livros de Referência

Para aprofundar-se no assunto das RNCs, vários livros são referências importantes. Dentre eles, destacam-se:

“Deep Learning” de Ian Goodfellow, Yoshua Bengio e Aaron Courville, que apresenta uma visão abrangente sobre redes neurais convolucionais e outras técnicas de aprendizado profundo [6].
“Convolutional Neural Networks for Visual Recognition” de Fei-Fei Li, Andrej Karpathy e Justin Johnson, que explora os aspectos teóricos e práticos das RNCs na visão computacional [7].

Conclusão

As Redes Neurais Convolucionais têm desempenhado um papel crucial na visão computacional, permitindo avanços significativos em tarefas de reconhecimento de padrões em imagens. Desde sua origem com o modelo Neocognitron até as modernas arquiteturas como AlexNet e ResNet, os avanços têm sido impulsionados pelos esforços de pesquisadores renomados como Yann LeCun e Geoffrey Hinton.

Referências bibliográficas

[1] Fukushima, K. (1980). “Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position”. Biological Cybernetics, 36(4), 193-202.

[2] LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998). “Gradient-based learning applied to document recognition”. Proceedings of the IEEE, 86(11), 2278-2324.

[3] Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). “ImageNet classification with deep convolutional neural networks”. In Advances in Neural Information Processing Systems (pp. 1097-1105).

[4] Simonyan, K., & Zisserman, A. (2014). “Very deep convolutional networks for large-scale image recognition”. arXiv preprint arXiv:1409.1556.

[5] He, K., Zhang, X., Ren, S., & Sun, J. (2016). “Deep residual learning for image recognition”. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 770-778).

[6] Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.

[7] Li, F. F., Karpathy, A., & Johnson, J. (2018). Convolutional neural networks for visual recognition. Stanford University. Disponível em: http://cs231n.github.io/

Nota: Parte do texto foi produzida em sinergia com IA.

Mário Wedney de Lima Moreira

Possui doutorado em Engenharia Informática pelo Instituto de Telecomunicações/Universidade da Beira Interior em Portugal (2019), mestrado em Ensino de Ciências e Matemática pela Universidade Federal do Ceará (2012) e licenciatura em Matemática pela Universidade Estadual do Ceará (2003).

Atualmente é professor e pesquisador do Instituto Federal de Educação, Ciência e Tecnologia do Ceará (IFCE), onde atua como Diretor Geral.

Ex-Coordenador e Presidente do Colegiado do Curso de Bacharelado em Ciência da Computação do IFCE em Aracati (2019-2021).

Atuou como colaborador do Instituto de Telecomunicações de Portugal durante seu estágio doutoral (2015-2019).

Tem experiência na área de Ciência da Computação, com ênfase em inteligência artificial, modelos estatísticos, matemática computacional e aprendizado de máquina.

Seus principais interesses incluem saúde eletrônica e móvel (e- e m-health) e supervisionar estudantes nestes tópicos.

Comentários

Aula foi muito enriqueçadora (Abel Do Rosário Sarmento)

Eu gostei muito  (Ana Clara Seixas Dourado )

Como estudante de licenciatura,  é de suma importância este tipo de assunto. (Anderson Gonçalves de Oliveira )

Excelente palestra (Anderson Luiz Lunardelli )

Excelente palestra.  (Ângela Maria do Nascimento Silva )

Ótima palestra  (Anna Mel Alves Dourado )

Excelente trabalho.  (Arlyson Alves do Nascimento )

A tecnologia sempre favorecendo o desenvolvimento de tudo. (Audrey Stephanne De Oliveira Gomes )

Excelente explicação, tragam mais novidades, obrigado.  (Carlos Roberto de Almeida Rodrigues)

Parabéns pela palestra. (Cláudio Firmino Arcanjo)

Foi ótimo e gostei muito da aplicação da matemática em outra área do conhecimento. Parabéns pela palestra. (Claudio Roberto Barrozo da Silva)

Muito bom esse assunto de inteligência artificial. (Darcimarcos Valerio Leite )

Ótima aula! (Erick Lucas Correia Cordeiro )

Nenhuma. (Erik Torres Candido Alves )

show (Felipe Augusto Peixoto )

Excelente palestra e tema. Parabéns! (Flávio Maximiano da Silva Rocha )

Uma brilhante exposição e muito relevante. Adorei. (Francisco Isidro Pereira)

Excelente palestra! (Francisco Lucas do Nascimento Lopes )

Excelente apresentação! (Francisco Silverio da Silva Junior)

Muito boa ! (Ianne Silva Teixeira )

Ótima palestra!!! (Iasmim Silva Souza)

Excelente apresentação! (Ivanildo da Cunha Ximenes)

Boa palestra, palavras usadas que trazem entendimento  (Ivily Kelly Nogueira Medeiros )

Palestra muito interessante! (Jaíne de Jesus da Silva )

Maravilhosa a Palestra (Jefte Dodth Telles Monteiro)

Excelente apresentação. Gostei muito, obtive bastante aprendizado  (José Cláudio Pereira da Silva )

Extraordinário. Excelente palestra. (José Jânio Ferreira Dos Santos)

Palestra riquíssima, informativa e inspiradora. (José Misael de Sousa Junior)

Curso Matemática na Universidade de Pernambuco (Júlio César Dos Santos Barbosa Júnior)

Minha Internet travou, e o meet continua travando  (Kauan Felipe De Oliveira Silva )

Excelente apresentação (Laelson de Lira Silva)

Obrigado  (Lucas Freitas de Aguiar )

Parabéns professor pela palestra. (Lucia dos Santos Bezerra de Farias)

Palestra Excelente! (Luis Carlos Santos)

muito bom!!!! (Luiz José da Silva)

Gostei! (Maria Clara Santos Dourado)

parabéns (Maria José da Silva)

Muito boa a palestra!  (Matheus Bellentani Marmilli)

Matemática Aplicada a Realidade! Excelente palestra! Parabéns aos envolvidos! (Maxwell Gonçalves Araújo)

Parabéns pela palestra! Muito enriquecedor a temática e compartilhamento deste saber e aplicações matemáticas. (Michael Douglas Batista De Araujo)

Parabéns! Excelente palestra  professor Mário Wedney. pelo momento de reflexão, mais que gratificante na busca ativa de novas aprendizagens. Foi uma honra participar deste bom encontro de ensinagem e experiências positivas. (Miron Menezes Coutinho)

Muito bom  (Natanael da Silva Costa )

Pesquisa fascinante.  (Paulo Sérgio Sombra da Silva)

Gostei (Rebeca Barbosa da Silva Pereira )

LIBRAS  (Ronan Guimarães Cardoso )

Magnífica palestra do professor Mário  (Samuel De Souza Forte )

Palestra com tema inédito! (Simone Souto da Silva Oliveira)