Aprendizado de Descritores para Anotação de Imagens Naturais

Resumo

A anotação de cenas naturais (fotos, vídeos) por palavras que descrevem o conteúdo das cenas viabiliza a organização automática das imagens e subsequente recuperação eficiente de imagens por conteúdo. Esta tarefa, porém, é inviável de ser realizada manualmente em grandes bases de imagens. A abordagem tradicional é anotar algumas imagens manualmente e treinar um classificador supervisionado de padrões para que a anotação automática seja feita nas demais. O grupo de pesquisa do supervisor tem investigado, através da tese de doutorado de um aluno, técnicas de aprendizado ativo para a seleção das imagens mais representativas para anotação manual. No entanto, a eficácia da classificação depende fundamentalmente do descritor de imagem utilizado neste processo. Este projeto, portanto, tem como objetivos principais o estudo e o desenvolvimento de técnicas de aprendizado em profundidade de descritores de imagem. Estas técnicas se baseiam normalmente em sequências de operações de normalização, filtragem e seleção em várias escalas. Em cada escala, bancos de filtros lineares são aplicados na imagem e seus coeficientes podem ser gerados de modo aleatório ou mais rebuscado, aplicando-se aprendizado não supervisionado em amostras de regiões obtidas das próprias imagens da base. O projeto investigará essas e outras técnicas de aprendizado dos coeficientes desses filtros, inclusive levando em consideração a anotação de algumas imagens de treinamento, técnicas de seleção, e regras de associação dos descritores a regiões das imagens, obtidas por técnicas de segmentação das imagens em superpixels.