Back

Detectando toras com redes neurais artificiais. O quão difícil pode ser?

O quão difícil é a detecção de toras?

Falando sobre o Timbeter e sobre detecções, geralmente nos perguntam: “O quão complicado pode ser esse processo?Não é só encontrar os círculos nas imagens?”

Entretanto, a vida real pode ser um pouquinho mais complicada, porque:

  • As toras geralmente não são completamente circulares
  • Elas geralmente são obstruídas por outros objetos, como folhas, restos de cascas ou até mesmo pela vara de referência
  • As condições de iluminação podem fazer com que a detecção das bordas seja difícil
  • A detecção pode não saber bem o que esperar: a cor das toras, a textura, se a casca está visível ou não
  • Outros objetos podem ter uma forma circular


Estes problemas fazem com que aproximações geométricas simplistas sejam iníveis. É aí que o aprendizado de máquina entra em cena!

Aprendizado de máquina e redes neurais

Os humanos aprendem observando padrões. O aprendizado de máquina faz o mesmo: ao invés de programar regras precisas de como decidir se existe uma tora em uma imagem, é dado ao programa um monte de exemplos de imagens com e sem toras. Então ele tenta criar padrões que são específicos a imagens que contenham toras. Esses padrões podem ser usados para detectar toras em uma imagem que o programa nunca viu antes. Uma tendência é implementar aprendizado de máquina com redes neurais artificiais - inicialmente inspiradas em nossos cérebros.

Em nossos cérebros, cada neurônio envia sinais elétricos a outros neurônios e, baseados nesses sinais e em regras codificadas entre os neurônios, eles decidem se vão reagir ou não a algo. Mesmo que cada neurônio tenha uma tarefa relativamente simples a ser feita, como um todo, a rede de neurônios age como um sistema incrivelmente complexo. A parte mais legal é que nenhuma dessas regras é fixa: elas se adaptam para fazer o cérebro mais rápido quando precisar realizar uma tarefa.

Como o nome sugere, redes neurais artificiais são algo similar: elas consistem de muitos “neurônios” agregados a uma “rede”. Estes “neurônios” enviam uns aos outros sinais, como em nossos cérebros. A diferença é que os neurônios aqui não são objetos físicos, mas estão guardados na memória de um computador ou de um tablet e os sinais são apenas alguns bits flutuando entre o processador e a memória. Como no cérebro real, as regras destes sinais não são explicitamente programadas, ao invés disso elas aprendem automaticamente usando um grande número de exemplos.

Como o Timbeter usa redes neurais

O Timbeter recentemente começou a usar redes neurais como a mecânica central do seu processo de detecção de toras. Um desafio imenso foi fazer com que esse processo fosse rápido em tablets e telefones sem sacrificar a precisão. Para conquistar este feito, nós usamos técnicas modernas e eficientes para treinar as redes neurais, as quais nos permitem usar redes com menos neurônios. Tudo isso acelerou o processo de detecção enquanto alcançava melhores níveis de detecção.

Nós estamos desenvolvendo um detector por aproximadamente quatro anos e, durante todo esse tempo, nosso detector foi melhorando continuamente. A partir de agora, estamos experimentando novidades para amadurecer este processo.

Fique ligado!




If you like this, feel free to share!