Aumento de dados via redes adversariais generativas para classificação de imagens em conjuntos de dados desbalanceados

Abstract

A classificação de imagens é a tarefa na qual um sistema deve categorizar imagens com base nas suas propriedades visuais, ou seus objetos constituintes, de acordo com classes pré-definidas. Esta tarefa é extensivamente aplicada em diversos domínios do conhecimento, como na área médica, de segurança pública e em manufatura. A acurácia e, subsequentemente, a utilidade destes modelos de aprendizado de máquina depende diretamente da qualidade dos dados utilizados para seu treinamento. O desbalanceamento de classes no conjunto de dados é um aspecto que pode afetar o desempenho dos modelos de classificação, podendo ocorrer por diversos motivos, como a dificuldade de obtenção de dados, ou a maior raridade de ocorrência de uma das classes do conjunto. O impacto do desbalanceamento de classes pode ser atenuado ao se utilizar aumento de dados, prática na qual, tradicionalmente, são feitas aleatoriamente transformações como a adição de ruído e rotação das imagens ao lê-las do conjunto de dados. Os modelos generativos são capazes de gerar novos dados similares aos utilizados para seu treinamento, e seu uso em imagens tem ganhado popularidade. Sua aplicação inicial consistiu primariamente em fins artísticos, como aprimoramento de imagens e design de produtos. Recentemente, percebeu-se que esta classe de modelos apresenta grande potencial para a tarefa de aumento de dados, visto que podem gerar novos dados sem introduzir características que antes não estavam presentes nas imagens. Este estudo se propõe a avaliar os benefícios trazidos pelo uso de redes generativas adversariais para o aumento de dados para tarefas de classificação de imagens, com enfoque em conjuntos de dados desbalanceados. Para alcançar este objetivo, foi proposta uma metodologia de comparação do desempenho de modelos generativos para aumento de dados. Além disso, foi proposta uma arquitetura baseada em redes adversariais generativas (denominada WUCGAN). Nela é utilizado um gerador que recebe uma imagem do conjunto de dados e tem o objetivo de modificá-la realisticamente, e um discriminador que recebe uma imagem e deve classificá-la como real ou gerada, assim como definir sua classe, permitindo o uso de aprendizado residual tanto no gerador quanto no discriminador. Os modelos generativos foram avaliados utilizando-se os conjuntos de dados MNIST, CIFAR-10, Plant Village e Eurosat, e os resultados obtidos indicam ser possível obter melhoria nas métricas F1-Macro e AUROC de classificadores em até 0,32 e 0,125 respectivamente. O código-fonte da implementação feita e os resultados o podem ser acessados no repositório do github.