Classificação de Imagens e Dados via Redes Neurais Profundas para Múltiplos Domínios

Sobre o projeto de pesquisa

O enorme sucesso atual da inteligência artificial (IA), impulsionado pelo aprendizado profundo (AP), faz com que a quantidade de técnicas/modelos de redes neurais profundas (RNPs) que são propostos seja extremamente elevada. Institutos tal como o Instituto Nacional de Pesquisas Espaciais (INPE), o qual tem usado IA/AP para projetos e pesquisas que analisam o uso e cobertura da terra no Brasil, assim como diversas outras organizações públicas e privadas, demandam de recomendações de técnicas/modelos de RNPs para que os mesmos possam ser usados nos seus projetos. Isso economiza tempo pois os modelos que serão usados na prática já tiveram evidências de serem os melhores para resolver uma certa tarefa. Propor tais recomendações necessita de um processo de experimentação amplo, considerando diferentes modelos de RNPs assim como um conjunto considerável de bases de dados. O projeto IDeepS tinha esse objetivo geral de recomendar modelos de RNPs, tendo como foco principal a tarefa de classificação de imagens. Este projeto estende o projeto IDeepS das seguintes formas: i) além do domínio de sensoriamento remoto (que inclui imagens aéreas obtidas por veículos aéreos não tripulados (VANTs), aviões, assim como imagens obtidas por satélite), o projeto atual pretende investigar os domínios de astrofísica e de saúde. Isso ampliará o leque de recomendações propostas para essas outras comunidades; ii) os dados serão principalmente imagens, tal como no projeto IDeepS, mas vídeos e séries temporais também poderão ser investigados; iii) classificação será a principal tarefa considerada, mas outras tarefas serão avaliadas, considerando, também, a maior diversidade de dados distintos; iv) modelos mais recentes baseados no mecanismo de atenção, principalmente transformers visuais, serão avaliados e comparados com modelos mais tradicionais, tais como redes neurais convolucionais. Os aspectos transformadores se relacionam a melhoria dos processos e produtos que usam IA em instituições tal como o INPE, mas também em outras organizações relacionadas aos múltiplos domínios que serão investigados. Os impactos científicos esperados se relacionam a um conjunto de recomendações sugeridas para as três comunidades que estão relacionadas ao projeto. Esse projeto tem como principais aplicações os projetos TerraClass Cerrado (INPE), o projeto ForestEyes (Universidade Federal de São Paulo - UNIFESP), e projetos que usam IA para as áreas de astrofísica e de saúde.