Use este identificador para citar ou linkar para este item:
http://repositorio.ufc.br/handle/riufc/60961| Tipo: | TCC |
| Título: | Geração de dados sintéticos utilizando redes neurais artificiais |
| Autor(es): | Rodrigues, Mateus Franco |
| Orientador: | Figueiredo, Tatiane Fernandes |
| Palavras-chave: | Geração de dados;Geração de Imagens;Aumento de dados;Rede adversaria generativa condicional |
| Data do documento: | 2021 |
| Citação: | RODRIGUES, Mateus Franco. Geração de dados sintéticos utilizando redes neurais artificiais. 2021. 34 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Software) - Universidade Federal do Ceará, Campus de Russas, Russas, 2021. |
| Resumo: | A geração de dados sintéticos tem se intensificado bastante nos últimos anos, visto que muitos cientistas e pesquisadores têm utilizado cada vez mais técnicas de aprendizagem de máquina, das mais diversas formas, para resolver tanto problemas da comunidade científica quanto problemas empresariais. Desse modo, o objetivo deste trabalho é a criação de um modelo para a geração de imagens em escala de cinza, visando obter a melhor performance com base nos resultados da técnica de pontos de percepção e utilizando o menor número possível de recursos. O modelo criado pode ser utilizado como gerador de recursos para entradas em outros trabalhos que envolvam aprendizado de máquina e que estejam em um estado de carência de dados para o treinamento do modelo. Além disso, este trabalho também é composto por uma série de passos que facilitaram a replicação do modelo para outros casos com performance semelhante. Como resultado, as imagens geradas pelo modelo foram analisadas sob dois tipos de métricas: uma mais objetiva que resulta em valores concretos, que foram comparados com outros métodos para geração de dados; e outro método na qual foram feitas analises visuais das imagens geradas pelo modelo em comparação com as imagens originais já existentes no banco de dados em estudo. Nesse contexto, foram vistos resultados eminentes tanto se tratando da quantidade de recursos que foram utilizados para a geração de imagens, quanto a qualidade das imagens geradas em ambas as formas de avaliação. |
| Abstract: | The generation of synthetic data has intensified a lot in recent years, as many scientists and researchers have increasingly used machine learning techniques in the most diverse ways to solve both scientific communities and business problems. This work aims to create a model for the generation of grayscale images, aiming to obtain the best performance with perceptual using the least possible number of resources. The model created can be used as a resource generator for entries in other jobs involving machine learning and in a state of lack of data for model training. In addition, this work is also composed of a series of steps that facilitate the replication of the model to other cases with similar performance. As a result, the images generated by the model were analyzed under two types of metrics: a more objective one that results in concrete values, which were compared with other methods for data generation; and another method in which visual analyzes were made of the images generated by the model in comparison with the original images already existing in the database under study. In this context, outstanding results were seen regarding both the number of resources used for the generation of images, and the quality of the images generated in both forms of evaluation. |
| URI: | http://www.repositorio.ufc.br/handle/riufc/60961 |
| Aparece nas coleções: | ENGENHARIA DE SOFTWARE - RUSSAS - Monografias |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| 2021_tcc_mfrodrigues.pdf | 1 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.