Estudo sobre a utilização de imagens sintéticas na criação de modelos de classificação empregando redes neurais convolucionais

Abstract

Esse trabalho teve como objetivo estudar a efetividade da utilização de dados sintéticos na criação de modelos de classificação utilizando redes neurais convolucionais. Foram abordados conceitos, técnicas e metodologias para entendimento sobre a aplicabilidade de redes neurais convolucionais modelada para classificação de objeto. Inicialmente foi realizada uma seleção do caso de uso através da análise bibliográfica de trabalhos correlatos a fim de comparar diferentes desenvolvimentos e soluções já obtidas. Em seguida, foi criada a base de dados sintéticos para desenvolvimento do projeto com o auxílio dos software de modelagem 3D, Blender e SolidWorks. Com a base de dados pronta, iniciou-se a implementação dos algoritmos e criação do modelo de classificação utilizando a biblioteca de programação Fastai e a plataforma online Google Colaboratory. Nessa etapa foram realizados testes e ajustes de parâmetros que forneceram à rede um treinamento eficaz para alcançar resultados adequados. Uma vez que o algoritmo esteve bem ajustado, foram analisadas e apresentadas as decorrências com imagens sintéticas e imagens reais, levando em consideração os fatores mais relevantes.

This work aimed to study the effectiveness of using synthetic data in the creation of classification models using convolutional neural networks. Concepts, techniques and methodologies for understanding the applicability of modeled convolutional neural networks for object classification were addressed. Initially, a selection of the use case was carried out through the bibliographical analysis of related works in order to compare different developments and solutions already obtained. Then, the synthetic database was created for project development with the help of 3D modeling software, Blender and SolidWorks. With the database ready, the implementation of the algorithms and the creation of the classification model began using the Fastai programming library and the Google Collaboratory online platform. At this stage, tests and parameter adjustments were performed that provided the network with effective training to achieve adequate results. Once the algorithm was well adjusted, the consequences with synthetic images and real images were analyzed and presented, taking into account the most relevant factors.