DCCMAPI/CCET

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: JÚLIO CESAR DA SILVA SOARES
DATA: 15/08/2025
HORA: 08:00
LOCAL: meet.google.com/sav-rjqc-uwd
TÍTULO: Melhoramento na classificação de pólen usando rede neural híbrida com mecanismo de atenção e separação por vistas: uma abordagem Equatorial e Polar
PALAVRAS-CHAVES: Pólen, vistas do pólen, pseudo-rotulação, aprendizagem profunda, aprendizagem semi-supervisionada e mecanismos de atenção.
PÁGINAS: 111
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Processamento Gráfico (Graphics)
RESUMO: A pesquisa com grãos de pólen tem aplicações em áreas como ecologia, controle de alergias e rastreamento de alimentos. No entanto, a classificação desses grãos enfrenta desafios significativos devido à limitação dos dados disponíveis e à variabilidade das características morfológicas. Recentemente, a aplicação de Redes Neurais Convolucionais (CNNs) trouxe avanços expressivos nesse campo, com técnicas como transferência de aprendizado e aumento de dados sendo utilizadas para melhorar os resultados. Este estudo visa inovar na classificação de imagens de grãos de pólen ao considerar as diferenças entre as vistas equatorial e polar. O objetivo central é avaliar o impacto dessas vistas na tarefa de classificação, partindo da hipótese de que a vista polar, por revelar detalhes mais precisos do que a equatorial, pode proporcionar um desempenho superior. Assim, ao separar os grãos de pólen com base nas vistas, espera-se obter resultados que igualem ou superem os reportados na literatura, contribuindo de maneira original para o avanço do estado da arte. A pesquisa foi estruturada em três etapas interdependentes. Na primeira etapa, as bases de dados foram classificadas em seu formato original, empregando redes pré-treinadas e redes baseadas em mecanismos de atenção, com treinamento iniciado do zero. A segunda etapa focou na separação das bases em vistas equatorial e polar, utilizando técnicas de aprendizado semi-supervisionado para garantir uma divisão precisa. Na terceira e última etapa, as novas bases foram classificadas utilizando as redes que apresentaram o melhor desempenho na etapa inicial, permitindo uma avaliação comparativa entre as vistas. Os resultados preliminares demonstram que as redes pré-treinadas, particularmente a DenseNet201, alcançaram melhorias substanciais ao utilizar a base CPD-1 dividida por vistas. A vista polar obteve as melhores métricas, com uma acurácia de 99,10%, superando as pesquisas anteriores que utilizaram a mesma base de dados CPD-1, confirmando a hipótese inicial e destacando a relevância da separação por vistas.
MEMBROS DA BANCA:
Presidente - 579.300.403-30 - KELSON RÔMULO TEIXEIRA AIRES
Interno - 437.280.904-25 - IVAN SARAIVA SILVA
Interno - 751.764.243-04 - VINICIUS PONTE MACHADO
Externo à Instituição - JULIANA DO NASCIMENTO BENDINI - UFPI
Externo à Instituição - ANDREA GOMES CAMPOS - UFOP
Externo à Instituição - PEDRO LUIZ DE PAULA FILHO - UTFPR
Co-orientador - 641.754.563-68 - RODRIGO DE MELO SOUZA VERAS