1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Ciência da Computação
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/41010
Full metadata record
DC FieldValueLanguage
dc.creatorFernandes, Vitor Barbosa Lemes-
dc.date.accessioned2024-01-19T13:23:00Z-
dc.date.available2024-01-19T13:23:00Z-
dc.date.issued2023-12-05-
dc.identifier.citationFERNANDES, Vitor Barbosa Lemes. Compressão de redes neurais com decomposição de Tucker para classificação de imagens histológicas de displasia. 2023. 52 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2024.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/41010-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectRedes convolucionaispt_BR
dc.subjectHistologiapt_BR
dc.subjectClassificaçãopt_BR
dc.subjectCompressãopt_BR
dc.subjectTensorespt_BR
dc.subjectTuckerpt_BR
dc.titleCompressão de redes neurais com decomposição de Tucker para classificação de imagens histológicas de displasiapt_BR
dc.title.alternativeCompression of neural networks with Tucker decomposition for classifying dysplasia histological imagespt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Nascimento, Marcelo Zanchetta do-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5800175874658088pt_BR
dc.contributor.referee1Fernandes, Henrique Coelho-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2439055005598269pt_BR
dc.contributor.referee2Gabriel, Paulo Henrique Ribeiro-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3181954061121790pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/5376253966183941pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO câncer na cavidade oral é uns dos tipos mais comuns, tornando necessário para um diagnostico precoce a investigação de lesões com potencial de desenvolvimento para a doença. Displasias são lesões de estágio inicial, que podem se desenvolver para estágios mais severos, e são caracterizadas por alterações no formato e tamanho do núcleo das células do tecido epitelial. A classificação manual de imagens histológicas é um processo demorado e sua qualidade depende da experiência do especialista. Nos últimos anos os Sistemas de Auxílio ao Diagnóstico (do inglês, computer aided diagnosis - CAD) se tornaram aliados no processo de classificação dessas imagens, devido aos avanços nas áreas de processamento de imagens e inteligência artificial. Apesar disso, técnicas empregadas em processos de um sistema CAD, como as redes neurais convolucionais, frequentemente sofrem de problemas de super-parametrização. Este trabalho apresenta uma investigação do uso da decomposição de Tucker nos tensores do kernel das camadas convolucionais de arquitetura ResNet para a compressão do número de parâmetros. Além de avaliar a classificação com as redes, foram avaliados os descritores em camadas da rede, denominados mapas de características, com os algoritmos de aprendizado de máquina. Os resultados mostram que a decomposição consegue uma diminuição no número de parâmetros, mantendo uma acurácia relevante, especialmente quando utilizados com as redes para a classificação de dados em bancos de imagem balanceados.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.sizeorduration52pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.orcid.putcode151136327-
Appears in Collections:TCC - Ciência da Computação

Files in This Item:
File Description SizeFormat 
CompressaoRedesNeurais.pdfTCC5.08 MBAdobe PDFThumbnail
View/Open
Show simple item record


This item is licensed under a Creative Commons License Creative Commons