Improving art style classification with synthetic images from self-attention generative adversarial network (2022)
- Authors:
- Autor USP: PÉREZ, SARAH PIRES - EP
- Unidade: EP
- Sigla do Departamento: PCS
- Subjects: VISÃO COMPUTACIONAL; IMAGEM
- Language: Inglês
- Abstract: Arte é o meio pelo qual a humanidade sempre usou para se expressar, tornando-a um registro de seus sentimentos, seus modos de vida e sua concepção de mundo. No entanto, embora tenhamos a sorte de ter uma vasta riqueza cultural proveniente de várias gerações, a quantidade de obras de arte tornou-se um impedimento para sua categorização em estilos. Esta pesquisa se propõe a estudar uma estratégia para maximizar o desempenho dos classificadores de estilo em obras de arte. A classificação automática das obras de arte em seus estilos é bastante desafiadora devido à relativa falta de dados rotulados e à complexidade das classes envolvidas. Essa complexidade é refletida no fato que algumas técnicas de augmentação de imagens não só não agregam ao desempenho do modelo mas também podem degradar seu desempenho. Por isso, introduzimos neste trabalho o estudo de Redes Adversárias Geradoras (GANs). Originalmente, as GANs foram propostas para criar imagens capazes de enganar o olho humano e nos fazer acreditar que as imagens geradas são imagens verdadeiras. Essa pesquisa não se propõe a criar arte, mas pretende usar essa arquitetura como uma ferramenta de ampliação de dados. Para avaliar o impacto do uso de GANs na augmentação das imagens, treinamos a EfficientNet B0 para verificar a melhoria no desempenho do EfficientNet B0, um classificador de ´ultima geração. Além disso, apresentamos a Análise de Desempenho de Classe por Classe, que deve ser útil no estudo de outros conjuntos de imagens de alta complexidade.
- Imprenta:
- Data da defesa: 05.05.2022
-
ABNT
PÉREZ, Sarah Pires. Improving art style classification with synthetic images from self-attention generative adversarial network. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-25112022-091647/. Acesso em: 11 jun. 2024. -
APA
Pérez, S. P. (2022). Improving art style classification with synthetic images from self-attention generative adversarial network (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3141/tde-25112022-091647/ -
NLM
Pérez SP. Improving art style classification with synthetic images from self-attention generative adversarial network [Internet]. 2022 ;[citado 2024 jun. 11 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-25112022-091647/ -
Vancouver
Pérez SP. Improving art style classification with synthetic images from self-attention generative adversarial network [Internet]. 2022 ;[citado 2024 jun. 11 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-25112022-091647/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
