FenixEdu™

Dissertação

CNN's for detection and measurement of butterfly eyespot patterns EVALUATED

Detalhes: A biologia é um campo da ciência em constante evolução e, particularmente na área da biologia evolucional, existe um padrão específico ao longo da borda das asas das borboletas que tem sido o foco de grandes estudos. Esse padrão denomina-se Ocelo e o seu conhecimento e estudo das suas características permitem à comunidade científica estudar várias espécies de borboletas e as suas diferenças. Uma importante característica destes padrões é a sua dimensão. O desenvolvimento de um sistema que efetuasse a medição dessas dimensões automaticamente seria uma ajuda fundamental, uma vez que obtê-las manualmente em milhares de borboletas é um processo moroso e difícil. Este trabalho propõe o desenvolvimento de uma sistema que começa por detetar automaticamente ocelos numa imagem de borboleta, assinalando-os através de bounding boxes. De seguida, o sistema segmenta os ocelos detetados, para, posteriormente, serem extraídas as suas dimensões. As deteções são obtidas pela rede YOLO e as segmentações pela rede U-Net - dois métodos de aprendizagem automática supervisionada que precisam de ser treinados e testados para concluir acerca da sua eficácia. Ambos os métodos revelaram-se excelentes estratégias para obter os resultados pretendidos. Relativamente à fase da deteção, foram obtidos bons resultados com grande margem para melhorias. Conseguiu-se um mAP de 0.5282 para quatro classes e 0.6327 com uma classe. Os resultados relacionados com as medições dos ocelos, extraídas das segmentações obtidas pela U-Net, revelaram-se também bastante promissores. Obteve-se um erro médio de 0.268 pixels nas medições do raio da pupila central, superando os resultados de estudos anteriores.
Keywords: Ocelo, Rede Neuronal Convolucional, Deteção de objetos, YOLO, Segmentação, U-Net.

Discussão: novembro 22, 2021, 15:0