Slides da apresentação do projeto final da disciplina Redes Neurais no mestrado da Universidade Federal de Uberlândia.

1. CLASSIFICADOR DE IMAGENS COM REDES NEURAIS
Diemesleno Souza Carvalho
Prof. KeijiYamanaka

2. AGENDA
• Apresentação do problema
• Pesquisa realizada
• Amostragem
• Rede Neural
• Treinamento
• Teste
• Aplicação desenvolvida
• Conclusão

3. APRESENTAÇÃO DO PROBLEMA

4. APRESENTAÇÃO DO PROBLEMA

5. APRESENTAÇÃO DO PROBLEMA

6. PESQUISA REALIZADA

7. PESQUISA REALIZADA

8. PESQUISA REALIZADA

9. PESQUISA REALIZADA

10. PESQUISA REALIZADA

11. PESQUISA REALIZADA
exemplos

12. PESQUISA REALIZADA

13. PESQUISA REALIZADA

14. AMOSTRAGEM

15. AMOSTRAGEM
http://nlp.cs.illinois.edu/HockenmaierGroup/8k-pictures.html

16. AMOSTRAGEM
8.091 imagens
40.455 sentenças
Flickr8k

17. REDE NEURAL

18. REDE NEURAL
- LSTM - Long-ShortTerm Memory
- Back Propagação
- Tangente Hiperbólica
- Taxa de Aprendizado 0,001
- Camadas Escondidas: 256
- Entradas: Lotes com 100 imagens
- Épocas: 15000

19. TREINAMENTO

20. TREINAMENTO
Durante o treinamento, as imagens
juntamente com as sentenças são
alimentadas como entrada da rede, que
deve, ao final, gerar uma sentença
própria, baseada no contexto das palavras
apresentadas na entrada da rede.

21. TREINAMENTO

22. TREINAMENTO

23. TREINAMENTO
Durante o treinamento, as imagens
juntamente com as sentenças são
alimentadas como entrada da rede, que
deve, ao final, gerar uma sentença
própria, baseada no contexto das palavras
apresentadas na entrada da rede.

24. TREINAMENTO

25. TESTE

26. TESTE
Após realizar o treinamento, e ainda antes
de efetuar o teste foi realizada uma fase
de previsão, onde o programa analisa um
determinado checkpoint e aplica o
algoritmo BLEU para pontuar as sentenças
geradas pela RNA.

27. TESTE
Após realizar o treinamento, e ainda antes
de efetuar o teste foi realizada uma fase
de previsão, onde o programa analisa um
determinado checkpoint e aplica o
algoritmo BLEU para pontuar as sentenças
geradas pela RNA.
Bilingual Evaluation Understudy

28. TESTE
Após realizar o treinamento, e ainda antes
de efetuar o teste foi realizada uma fase
de previsão, onde o programa analisa um
determinado checkpoint e aplica o
algoritmo BLEU para pontuar as sentenças
geradas pela RNA.
Bilingual Evaluation Understudy

29. TESTE

30. TESTE

31. TESTE

32. TESTE

33. APLICAÇÃO DESENVOLVIDA

34. CONCLUSÃO
O sistema desenvolvido ainda apresenta uma
baixa proporção de sentenças corretas.
A RNA demonstrou se confundir facilmente
com palavras que se repetem ao longo do
treinamento e também com palavras com mais
de um sentido.
Pretende-se realizar uma filtragem de
palavras e testes com outras configurações
durante o treinamento para melhorar o
desempenho da geração de sentenças.