Continual Object Detection with Deep Neural Networks (2023)
- Authors:
- Autor USP: MENEZES, ANGELO GARANGAU - ICMC
- Unidade: ICMC
- Sigla do Departamento: SME
- DOI: 10.11606/T.55.2023.tde-08012024-161234
- Subjects: SISTEMAS ELÉTRICOS DE POTÊNCIA; EMPRESA NACIONAL; TRANSMISSÃO DE ENERGIA ELÉTRICA
- Keywords: Aprendizado contínuo; Continual learning; Continual object detection; Detecção de objetos; Detecção de objetos incremental; Mineração de parâmetros; Object detection; Parameter mining; Replay; Replay
- Agências de fomento:
- Language: Inglês
- Abstract: O rápido desenvolvimento tecnológico nas últimas décadas aumentou significativamente a quantidade de dados disponíveis no mundo. Naturalmente, modelos que escalam com o tamanho dos dados disponíveis, como as redes neurais profundas, tornaram-se a principal estratégia para vários campos de pesquisa com abundância de dados, como por exemplo visão computacional e processamento de linguagem natural. Com a grande disponibilidade de dados, a pesquisa sobre modelos de aprendizado que podem se adaptar de forma incremental a fluxos contínuos de dados tem sido incentivada. Dessa forma, a área de Aprendizado Contínuo de modelos se apresenta como o campo que propõe o estudo sobre a capacidade de aprender tarefas consecutivas sem perder desempenho nas tarefas previamente treinadas. Para a área de visão computacional, os pesquisadores têm concentrado seus esforços principalmente em tarefas de classificação incremental, mas a detecção contínua de objetos também merece atenção devido à sua vasta gama de aplicações em robótica e veículos autônomos. O cenário de detecção incremental é ainda mais complexo que a simples classificação devido à ocorrência de instâncias de classes desconhecidas mas que podem aparecer em tarefas subsequentes como uma nova classe a ser aprendida, resultando em anotações ausentes e conflitos com o rótulo de background. Uma vez que se apresenta em seus estágios iniciais, a pesquisa em detecção contínua de objetos ainda oferece várias oportunidades e carece deconvenções metodológicas. Desta maneira, esta tese de doutorado busca investigar esse campo mais detalhadamente e identificar possíveis vínculos com áreas relacionadas, como aprendizado contínuo geral e a poda de redes neurais. Especificamente, propusemos a primeira revisão sistemática sobre o tópico, desenvolvemos duas métricas para melhorar a análise de desempenho em cenários de detecção incremental, investigamos qual método de seleção de exemplares funciona melhor para estratégias de detecção contínua de objetos baseadas em replay e exploramos como identificar e penalizar parâmetros importantes de tarefas que possuam treinamento contínuo. Para validar nossas propostas e hipóteses, conduzimos experimentos e relatamos resultados comparáveis ao estado da arte atual em benchmarks populares de detecção (ex: PASCAL VOC) adaptados à configuração incremental, bem como em conjuntos de dados e aplicações do mundo real. As contribuições apresentadas nesta tese também foram colocados em prática em duas aplicações. Primeiramente, elas foram testados no 3rd CLVISION Challenge, onde alcançaram a 3rd posição na trilha de detecção contínua de instâncias. Em segundo lugar, foram aplicadas na inspeção aérea contínua de torres de transmissão da TAESA, maior empresa brasileira de transmissão de energia elétrica, para melhora de suas pipelines de inspeção automatizada.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
- Data da defesa: 26.10.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
MENEZES, Angelo Garangau. Continual Object Detection with Deep Neural Networks. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08012024-161234/. Acesso em: 04 jun. 2024. -
APA
Menezes, A. G. (2023). Continual Object Detection with Deep Neural Networks (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08012024-161234/ -
NLM
Menezes AG. Continual Object Detection with Deep Neural Networks [Internet]. 2023 ;[citado 2024 jun. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08012024-161234/ -
Vancouver
Menezes AG. Continual Object Detection with Deep Neural Networks [Internet]. 2023 ;[citado 2024 jun. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-08012024-161234/
Informações sobre o DOI: 10.11606/T.55.2023.tde-08012024-161234 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
