Treinamento de Redes Neurais Convolucionais com Uso de Imagens Sintéticas e Técnicas de Interpretabilidade
A acurácia do Reconhecimento de Imagens por meio de Redes Neurais Convolucionais depende da quantidade e diversidade de cenas das imagens utilizadas no treinamento da rede. Assim, frequentemente a obtenção de várias imagens de uma classe é uma tarefa custosa para o treinamento adequado dessas redes.
Neste trabalho, avaliamos o uso de imagens sintéticas geradas a partir de Modelos 3D para treinamento da rede. Para tanto, foram utilizadas Modelos 3D de cães de diferentes raças com uso de um ambiente virtual tridimensional obtivemos de maneira sintética imagens em diferentes ambientes e posições de câmera.
As simulações realizadas demonstraram que as imagens sintéticas podem ser utilizadas para reconhecimento de objetos reais sendo uma alternativa para obtenção de amostras para treinamento das Redes Neurais Convolucionais. Também aplicando as técnicas de Interpretabilidade de Aprendizado de Máquina podemos medir como o objeto de interesse ante o fundo ou região da imagem foi considerado na classificação e dessa forma diversificar a base de imagens para obter melhor acurácia na classificação.