Banca de QUALIFICAÇÃO: PAULO ROBERTO SILVA CHAGAS JUNIOR

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: PAULO ROBERTO SILVA CHAGAS JUNIOR
DATA: 22/09/2017
HORA: 09:00
LOCAL: LAB 03
TÍTULO:

Proposta de arquitetura para classificação e extração de dados a partir de imagens de gráficos utilizando Redes Neurais Convolucionais

PALAVRAS-CHAVES:

Deep learning, Redes Neurais Convolucionais, Visualização da Informação, Imagens de gráficos

PÁGINAS: 20
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

Em uma era onde a quantidade de dados disponíveis cresce continuamente, formas de representar esses dados se fazem necessárias para que o ser humano possa abstraí-los e fazer inferências a partir dos mesmos. Nesse contexto, a área de Visualização da Informação tem ganhado destaque, de forma que diferentes técnicas de visualização de dados podem ser encontradas na literatura. Tais técnicas, representadas em diferentes tipos de gráficos, são usadas em diversos tipos de mídias e são importantes devido a facilidade para abstrair e interpretar os dados. Se os dados estão disponíveis, aplicar técnicas de análise e visualização é uma tarefa relativamente simples. No entanto, nem sempre os dados estão disponíveis, de forma que geralmente o que se encontra são somente as representações visuais dos mesmos, e extrair informações desses gráficos manualmente pode se tornar uma tarefa complicada. Consequentemente, métodos automáticos de extração de dados de imagens de gráficos são necessários, de forma que novas visualizações possam ser sugeridas ou uma análise mais específica possa ser feita com os dados obtidos. O processo de extração de dados dos gráficos pode sem divido em duas etapas: classificação e extração. A classificação visa determinar o tipo de gráfico, para que seja possível acionar um tipo de extração específico para o tipo de gráfico em questão. A proposta deste trabalho é utilizar técnicas deDeep Learning, mais especificamente o uso de Redes Neurais Convolucionais, para classificar determinados tipos de gráficos e em seguida empregar técnicas de visão computacional para detectar os elementos do gráfico e extrair dados do mesmo. Além disso, levando em consideração as limitações de hardware que o dispositivo possa ter para executar essepipeline, uma outra proposta deste trabalho é desenvolver essa arquitetura utilizando um modelo cliente-servidor, de forma que as operações de maior processamento (classificação e extração) fiquem encapsuladas no servidor. Para validar a metodologia proposta, testes sistemáticos serão realizados empregando diferentes arquiteturas de Redes Neurais Convolucionais que estão presentes na literatura, utilizando uma base de imagens composta de diferentes tipos de visualizações dividida em dois conjuntos de treino e teste. Do mesmo modo, as técnicas de extração de dados devem ser validadas a partir de dados quantitativos do modelo, para verificar se os dados extraídos estão corretos e podem ser entendidos.

MEMBROS DA BANCA:
Presidente - 2378314 - JEFFERSON MAGALHAES DE MORAIS
Interno - 2325270 - BIANCHI SERIQUE MEIGUINS
Interno - 2323064 - FILIPE DE OLIVEIRA SARAIVA
Externo ao Programa - 2184858 - DIONNE CAVALCANTE MONTEIRO