Estudo da Técnica de Otimização Bayesiana para o Ajuste de Hiperparâmetros de uma CNN

- 337813
Abstract
Favorite this paper
How to cite this paper?
Abstract

A análise de imagens exige o tratamento de dados de alta dimensionalidade, o que torna as Redes Neurais Convolucionais (CNNs) fundamentais. Isso acontece porque tais redes são capazes de extrair características relevantes por meio de camadas convolucionais e de subamostragem, como o max pooling. Devido à elevada complexidade desses modelos, a otimização criteriosa dos hiperparâmetros, definidos antes do início do treinamento, é essencial para garantir um bom desempenho. Parâmetros como o número de neurônios, o tipo e a quantidade de camadas, a dimensão dos filtros de convolução e o número de épocas influenciam diretamente a capacidade de aprendizado.

Nesse cenário, escolhas inadequadas podem reduzir a acurácia ou favorecer o overfitting \cite{Gosmin}. Para minimizar esses riscos, esta pesquisa concentra-se no estudo da otimização bayesiana \cite{Snoek}. Quando aplicada às CNNs, essa abordagem busca ajustar hiperparâmetros de forma automática e eficiente, evitando tentativas aleatórias e avaliações exaustivas. A técnica emprega um modelo probabilístico para estimar o desempenho esperado e a incerteza associada a cada combinação de hiperparâmetros. A partir disso, uma função de aquisição determina quais hiperparâmetros devem ser testados na próxima rodada, equilibrando exploração e aproveitamento. Em seguida, cada conjunto sugerido é utilizado para treinar e validar a CNN, e o desempenho obtido realimenta progressivamente o modelo probabilístico até que se identifique uma configuração com melhor desempenho (tipicamente na validação). Assim, busca-se reduzir o custo computacional e mitigar riscos, como o overfitting e a baixa capacidade de generalização.

O objetivo do estudo é desenvolver uma arquitetura adequada e estável, com elevada capacidade de generalização, voltada à classificação de imagens de regimes dinâmicos de órbitas de asteroides \cite{Carruba6, Carruba3}. Para este propósito, conforme detalhado em \cite{Isadora} e mostrado na Figura \ref{figura01},  implementou-se um modelo de CNN sequencial, organizado linearmente, com camadas de convolução, max pooling, flatten e camadas densas. A estrutura começa pela extração de características (convolução e max pooling). No modelo implementado, os filtros aumentam progressivamente (16, 32 e 64 filtros) para capturar detalhes cada vez mais complexos antes de passarem pela camada flatten (que achata os dados) e pelas camadas densas (que realizam a classificação final). Essa abordagem foi escolhida por sua simplicidade e por proporcionar uma construção mais intuitiva da arquitetura da rede, sendo particularmente adequada a projetos introdutórios e de complexidade média.  Cada uma dessas camadas desempenha uma função específica no processamento e na extração de características de imagens.

\begin{figure}[H]
\centering
\includegraphics[width=0.7\textwidth]{CNN}
\caption{ {\small Modelo de CNN treinado. Fonte: \cite{Isadora} }}
\label{figura01}
\end{figure}


O modelo foi treinado com 2.000 imagens (1.000 cães e 1.000 gatos) e apresentou alta acurácia (94$\%$ a 100$\%$), com perda de validação baixa e estável, indicando boa generalização sem memorizar os dados. Nos testes preliminares de classificação de imagens de regimes dinâmicos de órbitas de asteroides, o desempenho foi consistente, especialmente a partir da terceira época. A tendência sugere que mais épocas podem melhorar o resultado ou estabilizá-lo, mas são necessários novos testes para confirmar isso de forma conclusiva.

Share your ideas or questions with the authors!

Did you know that the greatest stimulus in scientific and cultural development is curiosity? Leave your questions or suggestions to the author!

Sign in to interact

Have a question or suggestion? Share your feedback with the authors!

Institutions
  • 1 FESJ/Universidade Estadual Paulista (Unesp)
Track
  • ST03 - Scientific Computing
Keywords
Otimização Bayesiana
CNN
Classificação de Imagens