Aprendendo e Transferindo Representações de Imagem de Nível Intermediário Usando Redes Neurais Convolucionais

As redes neurais convolucionais (CNN) mostraram recentemente um desempenho excepcional em classificação de imagens no desafio de reconhecimento visual em larga escala (ILSVRC2012). O sucesso das CNNs é atribuído à sua capacidade de aprender representações de imagem ricas de nível intermediário, ao contrário das características de baixo nível projetadas manualmente utilizadas em outros métodos de classificação de imagem. No entanto, aprender CNNs implica em estimar milhões de parâmetros e requer um número muito grande de amostras de imagem anotadas. Essa propriedade atualmente impede a aplicação de CNNs a problemas com dados de treinamento limitados. Neste trabalho, mostramos como representações de imagem aprendidas com CNNs em grandes conjuntos de dados anotados podem ser transferidas de forma eficiente para outras tarefas de reconhecimento visual com uma quantidade limitada de dados de treinamento. Projetamos um método para reutilizar camadas treinadas no conjunto de dados ImageNet para computar representações de imagem de nível intermediário para imagens no conjunto de dados PASCAL VOC. Mostramos que, apesar das diferenças nas estatísticas de imagem e nas tarefas nos dois conjuntos de dados, a representação transferida leva a resultados significativamente melhores para classificação de objetos e ações, superando o estado da arte atual nos conjuntos de dados Pascal VOC 2007 e 2012. Também mostramos resultados promissores para localização de objetos e ações.