Classificação de padrões de imagens : função objetivo para perceptron multicamada e máquina de aprendizado extremo convolucional

Abstract

Avanços recentes em redes neurais profundas possibilitaram resolver certas tarefas de classificação de padrões de imagens com acurácia equivalente ou superior à humana. No entanto, as redes neurais profundas padecem do longo tempo de treinamento (de horas, à dias). Isto pode ser problemático em determinadas aplicações, por exemplo, se o treinamento ocorrer em uma nuvem computacional com cobrança pelo tempo de uso. Nesta tese, abordamos o problema de classificação de padrões de imagens com redes neurais artificiais em duas tarefas diferentes. Na primeira abordagem, propomos funções objetivo específicas para a tarefa de segmentação de lesões de esclerose múltipla (EM), usando uma simples rede perceptron multicamada. Mantendo o tempo do treinamento rápido, uma função objetivo específica resultou em desempenho de segmentação de EM que foi melhor do que com uma função objetivo inespecífica. No entanto, mesmo com função objetivo específica, nosso método de segmentação de EM teve desempenho de segmentação insatisfatório em relação ao estado-da-arte, devido a simplicidade do perceptron multicamada empregado. Em uma segunda abordagem, investigamos máquinas de aprendizado extremo convolucional (convolutional extreme leaning machines, CELM), uma alternativa para desenvolver uma rede neural convolucional de treinamento rápido e com elevada acurácia, na tarefa de reconhecimento de dígitos. Propomos uma CELM profunda com dois estágios de extração de características e duas camadas no estágio de classificação. Comparamos bancos de filtros puros e combinados, em dois estágios de extração de características. Para a CELM proposta, mostramos que o modelo de erro baseado no teorema de Rahimi-Retch é capaz de ajustar o erro empírico. Contribuímos assim para um melhor entendimento do erro de generalização em função do tamanho do conjunto de treinamento e do número de parâmetros ajustáveis, conjecturados previamente como fatores de sucesso do aprendizado profundo. Além disso, no reconhecimento de dígitos, a CELM proposta resultou em acurácia superior (99,775%), bem como em tempo de treinamento competitivo (9 min., em CPU), mesmo em relação a abordagens que empregam processamento em GPU, no conjunto de dados de reconhecimento de dígitos EMNIST.