Para aprender a perceber detalhes visuais, uma inteligência artificial (IA) precisaria de um banco de imagens com milhões de possibilidades, uma supermáquina e muitos dias de treinamento. Mas cientistas do Instituto de Física de São Carlos (IFSC) da USP desenvolveram o Radam (random encoding of aggregated deep activation maps – codificação aleatória de mapas agregados de ativação profunda).
A arquitetura de visão computacional é considerada a mais precisa no reconhecimento de texturas, como mostra o ranking do site Papers With Code e basta um computador doméstico convencional para fazer com que o Radam ensine uma IA a classificar novos tipos de texturas visuais.
acesse clicando aqui.
“Os modelos mais desenvolvidos de IA para processar imagens, de visão mais geral, como o Google Lens, encontram objetos, mas têm dificuldade quando usados em algum tipo de dado em que é muito difícil enxergar alguma coisa, porque eles são treinados para ver coisas cotidianas”, conta Leonardo Scabini, pesquisador do IFSC que esteve à frente do projeto.
As inteligências artificiais adaptadas pela técnica brasileira superam especialistas em algumas tarefas, distinguindo desenhos sem formas definidas, que para uma pessoa comum seriam idênticos. As texturas visíveis em imagens médicas, por exemplo, têm detalhes estruturais invisíveis sem ampliação, mas que refletem propriedades das células dos outros microrganismos. Essa categoria de algoritmo pode ser usada ainda na indústria para a inspeção e controle de qualidade, no sensoriamento remoto, na análise de solo, na nanotecnologia, ciências ambientais e em biossensores para uso médico.
