Técnicas de segmentação de imagens através de redes neurais convolucionais

Abstract

O objetivo dessa pesquisa foi apresentar referências e aplicações das Redes Neurais Convolucionais no campo da Deep Learning e Machine Learning e analisar estudos de casos existentes em cada uma das suas vertentes. O ambiente de desenvolvimento utilizado foi Google Collab que já é bastante utilizado para pesquisas científicas. Aqui foram abordados processos de Limiarização, Segmentação de Instâncias e Semântica através das Redes Neurais Convolucionais e suas respectivas arquiteturas existentes. Para limiarização, os resultados no estudo realizado com imagens infravermelhas, observando que no primeiro teste e em todas as diversas limiarização, separando assim as pessoas do fundo da imagem. Na proposição da segmentação de instância, os resultados apresentados condizem com que a rede neural se propôs a analisar, dando uma pontuação que foi capaz de distinguir os objetos na imagem, mediante a rede neural de outros exemplos existente. Por fim, a Segmentação Semântica, a arquitetura U-Net no final de seu treinamento, apresentou um processamento de um total de 31.055.297 parâmetros e seus resultados foram salvos em arquivos na extensão JSON. Com o estudo sobre a segmentação de imagens adquiriu-se valiosos conhecimentos sobre métodos de processamento de imagens, o que mostra que o processo de aprendizagem de uma abordagem inicialmente desconhecida para o tratamento de imagens para variados fins.